用于息肉分割的自适应上下文选择
计算机视觉与模式识别
2023-01-13 v1
摘要
准确的息肉分割对结直肠癌的诊断和治疗具有重要意义。然而，由于息肉形状和大小各异，这一直是一项极具挑战性的任务。近年来，state-of-the-art 方法在深度卷积神经网络的帮助下在此任务上取得了显著突破。然而，很少有算法明确考虑息肉的大小、形状及复杂空间上下文对分割性能的影响，导致这些算法对复杂样本依然无能为力。事实上，不同大小息肉的分割依赖于不同的局部和全局上下文信息以进行区域对比推理。为解决这些问题，我们提出了一种基于自适应上下文选择的编码器-解码器框架，由局部上下文注意力（Local Context Attention, LCA）模块、全局上下文模块（Global Context Module, GCM）和自适应选择模块（Adaptive Selection Module, ASM）组成。具体而言，LCA 模块将来自编码器层的局部上下文特征传递至解码器层，增强对由前一层预测图确定的困难区域的注意力。GCM 旨在进一步探索全局上下文特征并将其发送至解码器层。ASM 用于通过通道注意力自适应选择和聚合上下文特征。我们在 EndoScene 和 Kvasir-SEG 数据集上评估了所提出的方法，与其他 state-of-the-art 方法相比展现出优异的性能。代码可在 https://github.com/ReaFly/ACSNet 获取。
引用
@article{arxiv.2301.04799,
title = {Adaptive Context Selection for Polyp Segmentation},
author = {Ruifei Zhang and Guanbin Li and Zhen Li and Shuguang Cui and Dahong Qian and Yizhou Yu},
journal= {arXiv preprint arXiv:2301.04799},
year = {2023}
}
备注
Accepted by MICCAI2020