AWEU-Net：一种用于肺结节分割的注意力感知权重激励 U-Net
图像与视频处理
2021-10-12 v1 计算机视觉与模式识别
摘要
肺癌是一种致命的癌症，每年在全球造成数百万人死亡。在计算机断层扫描（CT）图像中准确地检测和分割肺结节是早期诊断肺癌最重要的环节。现有系统大多为半自动，需要手动选择肺部和结节区域来执行分割任务。为应对这些挑战，我们提出了一种基于深度学习方法的全自动端到端肺结节检测与分割系统。本文中，我们使用 Optimized Faster R-CNN（一种最先进的检测模型）来检测 CT 扫描中的肺结节区域。此外，我们提出了一种注意力感知权重激励 U-Net，称为 AWEU-Net，用于肺结节分割与边界检测。为获得更精确的结节分割，在 AWEU-Net 中，我们提出了位置注意力感知权重激励（PAWE）和通道注意力感知权重激励（CAWE）模块，以突出输入特征图中最佳对齐的空间与通道特征。实验结果表明，我们提出的模型在公开的 LUNA16 和 LIDC-IDRI 数据集上分别取得了 89.79% 和 90.35% 的 Dice 系数，以及 82.34% 和 83.21% 的交并比（IoU）。
引用
@article{arxiv.2110.05144,
title = {AWEU-Net: An Attention-Aware Weight Excitation U-Net for Lung Nodule Segmentation},
author = {Syeda Furruka Banu and Md. Mostafa Kamal Sarker and Mohamed Abdel-Nasser and Domenec Puig and Hatem A. Raswan},
journal= {arXiv preprint arXiv:2110.05144},
year = {2021}
}
备注
15 pages, submitted to MDPI applied sciences journal