[MICCAI 2022 | 论文简读] ASA:用于预训练脑核磁分割的注意力对称自动编码器开源

简读分享 | 汪逢生 编辑 | 乔剑博

论文题目

Attentive Symmetric Autoencoder for Brain MRI Segmentation

论文摘要

为磁共振成像 (MRI) 数据准确分割脑部病变、肿瘤或组织对于构建计算机辅助诊断 (CAD) 系统至关重要，并有助于医学专家改进诊断和治疗计划。然而，现有方法在应用于 3D 医学图像时很少研究重建斑块的各种重要性和解剖结构的对称性。观察到这样特征，作者在这篇文章中提出了一种基于Vision Transformer (ViT) 的新型注意力对称自动编码器 (ASA)用于 3D 大脑 MRI 分割任务，该方法包括新颖的注意力重建损失函数，一种新的对称位置编码方法以及基于注意力对称自动编码器的用于脑 MRI 分割的自监督学习（Self-Supervised Learning, SSL）框架。在三个脑 MRI 分割基准上优于最先进的自监督学习方法和医学图像分割模型。

论文链接

https://arxiv.org/pdf/2209.08887.pdf