注意力 Swin U-Net：用于皮肤病变分割的跨上下文注意力机制
图像与视频处理
2022-11-01 v1 计算机视觉与模式识别
机器学习
摘要
黑色素瘤由人体皮肤中黑素细胞的异常增生引起。与其他癌症一样，这种危及生命的皮肤癌可通过早期诊治疗愈。为通过自动皮肤病变分割辅助诊断，已有若干全卷积网络（FCN）方法被提出，特别是 U-Net 架构。具有对称架构的 U-Net 模型在分割任务中展现出优越性能。然而，U-Net 架构中卷积操作的局部性限制制约了其在捕获长程依赖上的表现，而后者对医学图像分割任务至关重要。为克服该局限，近期提出了一种基于 Transformer 的 U-Net 架构，用 Swin Transformer 模块替换 CNN 模块以同时捕获局部与全局表示。本文中，我们提出 Att-SwinU-Net，一种基于注意力的 Swin U-Net 扩展，用于医学图像分割。在我们的设计中，我们通过精心设计的跳跃连接路径增强网络的特征复用性。我们认为，跳跃连接路径中使用的经典拼接操作可通过引入注意力机制进一步优化。通过在多个皮肤病变分割数据集上进行全面的消融研究，我们证明了所提注意力机制的有效性。
引用
@article{arxiv.2210.16898,
title = {Attention Swin U-Net: Cross-Contextual Attention Mechanism for Skin Lesion Segmentation},
author = {Ehsan Khodapanah Aghdam and Reza Azad and Maral Zarvani and Dorit Merhof},
journal= {arXiv preprint arXiv:2210.16898},
year = {2022}
}