一种用于角膜内皮细胞分割的多分支混合Transformer网络
计算机视觉与模式识别
2021-06-15 v1
摘要
角膜内皮细胞分割在量化细胞密度、变异系数和六边形比例等临床指标方面起着至关重要的作用。然而，角膜内皮的不均匀反射以及受试者的震颤与运动导致图像中细胞边缘模糊，难以分割，且需要更多细节与上下文信息以缓解该问题。由于局部卷积的有限感受野与连续下采样，现有深度学习分割方法无法充分利用全局上下文并丢失诸多细节。本文提出一种基于Transformer与主体-边缘分支的多分支混合Transformer网络（MBT-Net）。首先，我们利用卷积块聚焦局部纹理特征提取，并通过Transformer与残差连接建立空间、通道与层间的长程依赖。此外，我们利用主体-边缘分支促进局部一致性并提供边缘位置信息。在自建数据集TM-EM3000与公开Alisarine数据集上，相较于其他最先进（SOTA）方法，所提方法取得了性能提升。
引用
@article{arxiv.2106.07557,
title = {A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation},
author = {Yinglin Zhang and Risa Higashita and Huazhu Fu and Yanwu Xu and Yang Zhang and Haofeng Liu and Jian Zhang and Jiang Liu},
journal= {arXiv preprint arXiv:2106.07557},
year = {2021}
}