GCCA-trans: 一种带有引导交叉注意力机制的混合分割网络，用于 CT 图像中的早期头颈部肿瘤

《Scientific Reports》：GCCA-trans: a hybrid segmentation network with guided criss-cross attention for early-stage head and neck tumors in CT images

　　

摘要

医学图像中的病灶精确分割对于疾病评估和治疗规划至关重要。大多数头颈部肿瘤若在早期阶段进行治疗，临床上均可治愈，因此早期检测对于指导有效治疗极具价值。然而，由于专用数据集稀缺，针对早期头颈部肿瘤分割的研究仍然有限。为弥补这一空白，我们收集并标注了一个早期头颈部肿瘤数据集（ES-HNT），该数据集包含138名患者的对比增强CT扫描图像。为应对小体积、低对比度肿瘤的分割挑战，我们提出了一种CNN与Transformer混合架构——GCCA-Trans，该架构由两个核心组件构成：一是嵌入在跳跃连接中的引导循环交叉注意力（GCCA）模块，用于捕捉全局上下文关系，以增强小体积肿瘤区域的特征表示能力；二是压缩增强轴向注意力（SEA）模块，该模块替换了Transformer编码器中的标准多头自注意力机制，在建模全局上下文的同时保留细粒度的局部细节。在ES-HNT和SegRap2023数据集上的实验结果表明，在相同的实验设置下，GCCA-Trans相较现有的最先进方法均取得了稳定的性能提升。