BtrflyXt:基于MLP与CNN混合结构的脊柱椎体定位网络

摘要

人体脊柱的椎体自动化定位是辅助医生进行病理分析、诊断及评估的重要步骤.但因个体差异、脊柱解剖结构复杂、CT呈现视野范围不同等原因，椎体自动定位困难较大.现有基于深度学习的椎体定位模型大多需要巨大的计算开销，无法应用于临床医学任务.文章提出一种卷积神经网络(convolutional neural networks, CNN)与多层感知机(multilayer perceptron, MLP)混合的BtrflyXt网络结构，使用分组卷积与通道压缩降低模型的参数量，同时在MLP阶段引入注意力机制，搭建了一种端到端、轻量级的椎体中心点定位(与标号)网络，实现了在压缩模型88%参数的条件下椎体识别率提高8%的任务.

关键词

椎体定位 / 多层感知机 / 卷积神经网络 / 注意力机制