基于多尺度相减网络的全自动息肉分割
计算机视觉与模式识别
2021-08-12 v1
摘要
超过 90% 的结直肠癌由结直肠息肉逐渐演变而来。在临床实践中,精确的息肉分割为结直肠癌早期检测提供重要信息。因此,自动息肉分割技术对患者与医生均至关重要。现有多数方法基于 U 形结构,并在解码器中逐步使用逐元素相加或拼接融合不同层级特征。然而,这两种操作均易产生大量冗余信息,削弱不同层级特征间的互补性,导致息肉定位不准与边缘模糊。为应对此挑战,我们提出多尺度相减网络(MSNet)从结肠镜图像中分割息肉。具体而言,我们首先设计相减单元(SU)以生成编码器中相邻层级间的差分特征。随后,我们以金字塔方式在不同层级配备具有不同感受野的 SU,从而获取丰富的多尺度差分信息。此外,我们构建免训练网络“LossNet”自底向上全面监督息肉感知特征,驱动 MSNet 同时捕捉细节与结构线索。在五个基准数据集上的大量实验表明,我们的 MSNet 在不同评价指标下均优于大多数最先进方法。而且,MSNet 处理 图像时以 70fps 的实时速度运行。源代码将公开于 \url{https://github.com/Xiaoqi-Zhao-DLUT/MSNet}。
引用
@article{arxiv.2108.05082,
title = {Automatic Polyp Segmentation via Multi-scale Subtraction Network},
author = {Xiaoqi Zhao and Lihe Zhang and Huchuan Lu},
journal= {arXiv preprint arXiv:2108.05082},
year = {2021}
}
备注
This work was accepted by MICCAI 2021