三维多注意引导多任务学习网络用于胃肿瘤自动分割和淋巴结分类( 3D Multi-attention Guided Multi-task Learning Network for Automatic Gastric Tumor Segmentation and Lymph Node Classification )

Y Zhang H Li J Du J Qin B Lei

自动胃肿瘤分割和淋巴结(LN)分类不仅可以辅助放射科医生读取图像，而且可以提供图像引导的临床诊断，提高诊断准确率。然而，由于胃肿瘤和LN在CT扫描中的强度分布不均匀，边界模糊/缺失，以及胃肿瘤的形状高度可变，因此开发一种自动的解决方案是相当具有挑战性的。为了全面应对这些挑战，我们提出了一种新颖的3D多注意力引导的多任务学习网络，用于胃肿瘤的同时分割和LN分类，该网络充分利用了从不同维度、尺度和任务中提取的互补信息。具体地说，我们利用卷积神经网络来解决任务相关性和异构性问题。卷积神经网络包括尺度感知的注意引导的共享特征学习（用于精细的和通用的多尺度特征）和任务感知的注意引导的特征学习（用于任务特定的鉴别特征）。这种共享特征学习配备了两种尺度感知注意（视觉注意和适应性空间注意）和两种阶段式深度监督路径。任务感知注意引导特征学习包括切分感知注意模块和分类感知注意模块。所提出的三维多任务学习网络通过结合具有权重不确定性的分割和分类损失函数来平衡所有任务。我们在从三个医学中心收集的内部CT图像数据集上评估我们的模型。实验结果表明，该方法的性能优于现有算法，在肿瘤分割和LN分类方面具有良好的性能。此外，为了探索对其他分割任务的推广，我们还将提出的网络扩展到MICCAI 2017肝脏肿瘤分割挑战赛的CT图像中的肝脏肿瘤分割。我们的实现在https://github.com/infinite-tao/ma-mtln发布。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate IEEEXplore