Modality Exchange Network for Retinogeniculate Visual Pathway Segmentation

要約

網膜原性視覚路（RGVP）の正確なセグメンテーションは、視覚路内の障害や異常を特定することにより、視覚障害の診断と治療に役立つ。しかし、RGVPの複雑な解剖学的構造と結合性は、正確なセグメンテーションを達成することを困難にしている。本研究では、RGVPのセグメンテーションを強化するために、マルチモーダル磁気共鳴（MR）画像情報を効果的に利用する新しいモダリティ交換ネットワーク（ME-Net）を提案する。我々のME-Netには2つの主要な貢献がある。第一に、効果的なマルチモーダルソフト交換技術を導入する。具体的には、T1強調MR画像と分画異方性MR画像の間でモダリティ情報を交換するためのチャネルと空間的に混合された注意モジュールを設計する。次に、2つのモダリティ間の情報の融合をさらに強化するクロスフュージョンモジュールを提案する。実験結果は、本手法がRGVPセグメンテーション性能の点で既存の最先端アプローチを上回ることを示している。

要約(オリジナル)

Accurate segmentation of the retinogeniculate visual pathway (RGVP) aids in the diagnosis and treatment of visual disorders by identifying disruptions or abnormalities within the pathway. However, the complex anatomical structure and connectivity of RGVP make it challenging to achieve accurate segmentation. In this study, we propose a novel Modality Exchange Network (ME-Net) that effectively utilizes multi-modal magnetic resonance (MR) imaging information to enhance RGVP segmentation. Our ME-Net has two main contributions. Firstly, we introduce an effective multi-modal soft-exchange technique. Specifically, we design a channel and spatially mixed attention module to exchange modality information between T1-weighted and fractional anisotropy MR images. Secondly, we propose a cross-fusion module that further enhances the fusion of information between the two modalities. Experimental results demonstrate that our method outperforms existing state-of-the-art approaches in terms of RGVP segmentation performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL