通过将检测头整合到上下文层神经网络中实现多头自动分割

新型多头变压器模型提升放射治疗中的自动分割

一种基于Swin U-Net的新型门控多头变压器架构，在放射治疗应用的自动分割中显示出显著的改进。该模型解决了在缺乏目标结构的切片中出现的假阳性问题。

所提出的架构整合了切片间的上下文信息，并采用并行检测头来增强性能。这种双重方法使得在进行基于上下文增强流的像素级分割时，能够实现切片级结构检测。检测输出对分割预测进行门控，有效抑制了在解剖上无效切片中的假阳性。

实验结果

在前列腺解剖边缘案例数据集上的实验表明，门控模型显著优于非门控的仅分割基线模型。门控模型的平均Dice损失为$0.013 \pm 0.036$，而非门控模型为$0.732 \pm 0.314$。此外，门控模型的检测概率与实际解剖存在强相关性，有效消除了虚假分割。

相比之下，非门控模型显示出更大的变异性和持续的假阳性，表明其预测缺乏稳健性。这些发现突显了基于检测的门控在自动分割中的优势，增强了稳健性和解剖学的合理性。