View-Disentangled Transformer for Brain Lesion Detection

要約

ディープ ニューラル ネットワーク (DNN) は、脳病変の検出とセグメンテーションに広く採用されています。
ただし、2D MRI スライスで小さな病変を見つけることは困難であり、3D コンテキスト集約の粒度と計算の複雑さとの間でバランスを取る必要があります。
この論文では、より正確な腫瘍検出のために MRI 特徴の抽出を強化するために、新しいビューのもつれを解くトランスフォーマーを提案します。
まず、提案されたトランスフォーマーは、3D 脳スキャンのさまざまな位置間の長距離相関を収集します。
次に、Transformer はスライス フィーチャのスタックを複数の 2D ビューとしてモデル化し、これらのフィーチャをビューごとに強化します。これにより、効率的な方法で 3D 相関計算をほぼ実現します。
第三に、提案されたトランスモジュールをトランスバックボーンに展開します。これにより、脳病変を取り巻く2D領域を効果的に検出できます。
実験結果は、私たちが提案したビューを解きほぐしたトランスフォーマーが、困難な脳 MRI データセットでの脳病変の検出に適していることを示しています。

要約(オリジナル)

Deep neural networks (DNNs) have been widely adopted in brain lesion detection and segmentation. However, locating small lesions in 2D MRI slices is challenging, and requires to balance between the granularity of 3D context aggregation and the computational complexity. In this paper, we propose a novel view-disentangled transformer to enhance the extraction of MRI features for more accurate tumour detection. First, the proposed transformer harvests long-range correlation among different positions in a 3D brain scan. Second, the transformer models a stack of slice features as multiple 2D views and enhance these features view-by-view, which approximately achieves the 3D correlation computing in an efficient way. Third, we deploy the proposed transformer module in a transformer backbone, which can effectively detect the 2D regions surrounding brain lesions. The experimental results show that our proposed view-disentangled transformer performs well for brain lesion detection on a challenging brain MRI dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google