机构名称：
¥ 1.0
摘要 — 脑胶质瘤的自动分割在诊断决策、进展监测和手术计划中起着积极的作用。基于深度神经网络，先前的研究表明了有前途的脑胶质瘤分割技术。然而，这些方法缺乏强有力的策略来结合肿瘤细胞及其周围环境的背景信息，这已被证明是处理局部模糊性的基本线索。在这项工作中，我们提出了一种用于脑胶质瘤分割的新方法，称为上下文感知网络 (CANet)。CANet 使用来自卷积空间和特征交互图的上下文捕获高维和判别特征。我们进一步提出了上下文引导的注意条件随机场，它可以选择性地聚合特征。我们使用可公开访问的脑胶质瘤分割数据集 BRATS2017、BRATS2018 和 BRATS2019 来评估我们的方法。实验结果表明，在训练和验证集上，所提算法在不同分割指标下比几种最先进的方法具有更好或更具竞争力的性能。
用于脑胶质瘤分割的上下文感知网络
主要关键词
相关文件推荐
