AttResDU-Net：基于注意力残差双 U-Net 的医学图像分割
图像与视频处理
2023-06-27 v1 计算机视觉与模式识别
摘要
从结肠镜中人工检查息肉以筛查结直肠癌，或对皮肤病变进行活检以诊断皮肤癌，是耗时、费力且复杂的过程。自动医学图像分割旨在加速该诊断流程。然而，由于物体外观与尺寸差异显著且无明显边界，存在诸多挑战。本文提出一种基于注意力的残差双 U-Net 架构（AttResDU-Net），改进了现有的医学图像分割网络。受 Double U-Net 启发，该架构在跳跃连接上引入注意力门，并在卷积块中加入残差连接。注意力门通过抑制下采样路径中无关的特征表示，使模型保留更多相关空间信息，从而学会聚焦于不同形状与大小的目标区域。此外，残差连接通过保证更好的梯度流动，有助于训练更深的模型。我们在三个数据集上实验：CVC Clinic-DB、ISIC 2018 与 2018 Data Science Bowl 数据集，分别取得 94.35%、91.68% 与 92.45% 的 Dice 系数得分。结果表明，AttResDU-Net 可作为实践中可靠的自动医学图像分割方法。
引用
@article{arxiv.2306.14255,
title = {AttResDU-Net: Medical Image Segmentation Using Attention-based Residual Double U-Net},
author = {Akib Mohammed Khan and Alif Ashrafee and Fahim Shahriar Khan and Md. Bakhtiar Hasan and Md. Hasanul Kabir},
journal= {arXiv preprint arXiv:2306.14255},
year = {2023}
}
备注
Accepted in 2023 International Joint Conference on Neural Networks (IJCNN 2023)