3D SA-UNet: 3D Spatial Attention UNet with 3D ASPP for White Matter Hyperintensities Segmentation

要約

白質高信号 (WMH) は、認知症や脳卒中などのさまざまな病気に関連する画像特徴です。
コンピューター技術を使用して WMH を正確にセグメント化することは、病気の早期診断に不可欠です。
ただし、画像にはコントラストが低く不連続性の高い小さな病変があり、文脈情報や空間情報が限られているため、この作業は依然として困難です。
この課題に対処するために、流体減衰反転回復 (FLAIR) スキャンのみを使用した自動 WMH セグメンテーションのための 3D Spatial Attendant U-Net (3D SA-UNet) と呼ばれる深層学習モデルを提案します。
3D SA-UNet では、重要でない領域を抑制しながら、WMH などの重要な病変の特徴を強調表示する 3D 空間アテンション モジュールが導入されています。
さらに、さまざまなスケールでフィーチャをキャプチャするために、Atrous Spatial Pyramid Pooling (ASPP) モジュールを 3D バージョンに拡張し、ネットワークのセグメンテーション パフォーマンスを強化します。
公開されているデータセットで手法を評価し、WMH セグメンテーションにおける 3D 空間注意モジュールと 3D ASPP の有効性を実証します。
実験結果により、私たちが提案する 3D SA-UNet モデルは、他の最先端の 3D 畳み込みニューラル ネットワークと比較して高い精度を実現することが実証されました。

要約(オリジナル)

White Matter Hyperintensity (WMH) is an imaging feature related to various diseases such as dementia and stroke. Accurately segmenting WMH using computer technology is crucial for early disease diagnosis. However, this task remains challenging due to the small lesions with low contrast and high discontinuity in the images, which contain limited contextual and spatial information. To address this challenge, we propose a deep learning model called 3D Spatial Attention U-Net (3D SA-UNet) for automatic WMH segmentation using only Fluid Attenuation Inversion Recovery (FLAIR) scans. The 3D SA-UNet introduces a 3D Spatial Attention Module that highlights important lesion features, such as WMH, while suppressing unimportant regions. Additionally, to capture features at different scales, we extend the Atrous Spatial Pyramid Pooling (ASPP) module to a 3D version, enhancing the segmentation performance of the network. We evaluate our method on publicly available dataset and demonstrate the effectiveness of 3D spatial attention module and 3D ASPP in WMH segmentation. Through experimental results, it has been demonstrated that our proposed 3D SA-UNet model achieves higher accuracy compared to other state-of-the-art 3D convolutional neural networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google