文章目录
- HACL-Net: Hierarchical Attention and Contrastive Learning Network for MRI-Based Placenta Accreta Spectrum Diagnosis
- 摘要
- 方法
- 实验结果
HACL-Net: Hierarchical Attention and Contrastive Learning Network for MRI-Based Placenta Accreta Spectrum Diagnosis
摘要
胎盘植入谱（PAS）可能导致诸如分娩时大量失血等高风险。因此，使用MRI进行产前筛查对于确保更好的临床结果至关重要。在计算机辅助PAS诊断中，现有工作大多直接从感兴趣区域（ROI）提取放射组学特征，忽略了上下文信息，或者在有限的焦点区域意识下学习全局语义特征。此外，它们通常选择单个或少数几张MRI切片来代表整个序列，这可能导致决策偏差。为了解决这些问题，提出了一种新颖的端到端分层注意力和对比学习网络（HACL-Net），并在多实例问题的框架下进行设计。首先，切片级注意力模块被设计用于提取上下文感知的深度语义特征。然后，通过患者级注意力模块将这些切片特征聚合成任务特定的患者表示，用于PAS预测。此外，还引入了一个即插即用的对比学习模块，以进一步提高提取特征的辨别能力。基于真实临床数据集的大量实验和消融研究表明，HACL-Net可以实现最先进的预测性能，并验证了每个模块的有效性。
代码地址
方法
实验结果
