摘要

在CT图像中手动或自动描绘食道肿瘤是非常具有挑战性的。这是由于肿瘤与邻近组织的对比度低，食道的解剖结构变化，以及偶尔存在异物(如喂食管)。

本文提出了一种基于卷积神经网络的全自动端到端食管肿瘤，本文所提出的网络称为扩张密集注意力网络，利用每个密集块中的空间和通道注意力门。选择性的集中在决定因素的特征图和区域，扩张用于管理GPU内存和增加网络的感受野。

本文的贡献在于：1）提出了一个端到端的CNN用于CT扫描的食管GTV分割。与之前的研究不同，我们关注的是更具有挑战性的肿瘤区域(GTV)。所提出的方法是端到端的，没有复杂的预处理或后处理步骤，并且除了CT扫描之外不使用任何信息

2）引入了扩展的密集注意块，利用空间和通道注意来强调GTV的相关特征。此外，扩张层用于支持接受野的指数级扩展，并在不损失分辨率的情况下减小网络的大小

方法

网络结构

网络的结构如下图所示

整个网络由三部分组成，下采样路径用于提取上下文特征，上采样路径用于检索提取过程中丢失的分辨率。在每个层次上，本文与之前的工作不同，使用了扩展密集空间和通道注意块（DDSCAB）,它由一个扩展密集块（DDB）和一个空间注意门（SpA）和一个通道注意门（ChA1）组成，DDSCAB块中的层之间使用循环连接模式通过重用特征映射提供了深度监督，而扩展层则以指数方式增加了接受域。

空间注意力门用于主要构建块，并鼓励网络集中