LoSA-Net: 경계 감지 기반 3차원 MRI에서 신경 침윤 예측을 위한 국소화 및 스케일 적응 네트워크

LoSA-Net: A Localized and Scale-Adaptive Network for Boundary-Sensitive Prediction of Perineural Invasion in 3D MRI

신경 침윤(PNI)은 종양의 공격성을 나타내는 임상적으로 중요한 지표이며, 수술 결정에 영향을 미칠 수 있으므로 신뢰할 수 있는 수술 전 평가에 대한 관심이 높아지고 있습니다. 그러나 PNI의 미묘한 MRI 특징은 종종 주변 해부학적 구조와 유사하여 비침습적인 예측을 어렵게 만듭니다. 이러한 미세한 신경 관련 단서는 일반적인 다운샘플링 또는 지나치게 전역적인 특징 통합으로 인해 쉽게 손실되어 기존 체적 모델의 효과를 감소시킵니다. 본 논문에서는 3차원 MRI에서 경계 감지 기반 PNI 예측을 위한 국소화 및 스케일 적응 아키텍처인 LoSA-Net을 제안합니다. Talking Neighborhood Attention (TNA)은 헤드별 혼합을 사용한 국소적 자기 주의를 통해 신경 정렬된 세부 정보를 유지하며, Scale-Adaptive Feature Mixing (SAFM)은 다중 스케일 심층 처리 방식을 사용하여 수용 영역을 조절합니다. Cross-Scale Refinement and Alignment (CSRA)는 단계별로 의미론적 컨텍스트와 고해상도 경계 간의 일관성을 유지합니다. 총 168명의 담관암 환자의 강화 MRI 스캔에서 LoSA-Net은 AUC 0.7567을 달성했으며, 동일한 전처리 및 최적화 설정을 사용했을 때 대표적인 컨볼루션 및 트랜스포머 기반 모델보다 우수한 성능을 보였습니다.

Perineural invasion (PNI) is a clinically relevant indicator of tumor aggressiveness and can influence surgical decision-making, motivating interest in reliable preoperative assessment. The subtle MRI features of PNI, however, often resemble nearby anatomy, complicating noninvasive prediction. These fine perineural cues are easily attenuated by routine downsampling or overly global feature aggregation, reducing the effectiveness of conventional volumetric models. We present LoSA-Net, a localized and scale-adaptive architecture for boundary-sensitive PNI prediction in 3D MRI. Talking Neighborhood Attention (TNA) preserves nerve-aligned detail through localized self-attention with head-wise mixing, and Scale-Adaptive Feature Mixing (SAFM) modulates the receptive field using multi-scale depthwise processing. Cross-Scale Refinement and Alignment (CSRA) maintains consistency between semantic context and high-resolution boundaries across stages. In contrast-enhanced MRI scans from 168 patients with cholangiocarcinoma, LoSA-Net achieves an AUC of 0.7567 and outperforms representative convolutional and transformer baselines under matched preprocessing and optimization settings.