从磁共振图像识别局灶性皮质发育不良病变

癫痫是一种以癫痫发作为特征的神经系统疾病。局灶性皮质发育不良 (FCD) 是耐药性癫痫的主要原因。手术切除 FCD 病变是最有效的治疗方法，这在很大程度上取决于病变的精确定位和描绘。

然而，由于 FCD 病变会引起细微的结构变化，因此在临床实践中识别磁共振(MR) 图像中的 FCD 病变仍然具有挑战性。

在《Insights into Imaging》杂志发表的一项研究中，中国科学院深圳先进技术研究院许金平博士团队与合作者提出了一种基于多尺度变换器的模型，用于从多通道MRI图像中端到端分割FCD病变，增强了病变在全局视野中的特征表示。

该模型将基于卷积神经网络(CNN) 的编码器-解码器结构与多尺度变换器路径相结合。CNN 编码器提取局部特征，然后将其输入到相应的变换器路径中，以捕获各种尺度的全局特征。

为了降低复杂度并防止过度拟合，研究人员利用计算和内存效率高的双自注意力 (DSA) 模块来构建 Tranormer 通路。DSA 模块由空间分支和通道分支组成，可识别特征位置和通道之间的长距离依赖关系，从而突出显示与病变相关的区域和通道。

研究人员使用受试者级和体素级指标，在来自 85 名患者的 MR 图像公共数据集上对所提出的模型进行了训练和评估。