用于直肠肿瘤分割的注意力增强 ConvNeXt UNet
图像与视频处理
2022-10-28 v2 计算机视觉与模式识别
机器学习
摘要
通过深度学习分割直肠癌肿瘤的位置和大小是一项挑战。本文为了提高直肠肿瘤分割中提取充分特征信息的能力，提出了注意力增强的 ConvNeXt UNet（AACN-UNet）。该网络主要包括两处改进：1）将 UNet 的编码器阶段改为 ConvNeXt 结构进行编码操作，这不仅能大规模整合多尺度语义信息，还能减少信息损失并从 CT 图像中提取更多特征信息；2）加入 CBAM 注意力机制以改善通道和空间中各特征的连接，有利于提取目标的有效特征并提高分割精度。与 UNet 及其变体网络的实验表明，AACN-UNet 在 P、F1 和 Miou 上分别比当前最佳结果高 0.9%、1.1% 和 1.4%。相比训练时间，UNet 网络的参数量更少。这表明我们提出的 AACN-UNet 在直肠癌 CT 图像分割中取得了优异结果。
引用
@article{arxiv.2210.00227,
title = {Attention Augmented ConvNeXt UNet For Rectal Tumour Segmentation},
author = {Hongwei Wu and Junlin Wang and Xin Wang and Hui Nan and Yaxin Wang and Haonan Jing and Kaixuan Shi},
journal= {arXiv preprint arXiv:2210.00227},
year = {2022}
}
备注
I plan to replace this article, and supplement and confirm the structure and experimental content of this article