用于皮肤病变分割的边界感知 Transformer
图像与视频处理
2021-10-11 v1 计算机视觉与模式识别
摘要
从皮肤镜图像中分割皮肤病变对改进皮肤癌的定量分析具有重要意义。然而，由于黑色素瘤的巨大多样性以及病变区域边界模糊，黑色素瘤的自动分割是一项极具挑战性的任务。尽管卷积神经网络（CNNs）已在该任务上取得显著进展，现有多数方案仍无法有效捕获全局依赖以抵消有限感受野带来的归纳偏置。近来，Transformer 作为一种通过强大全局注意力机制进行全局上下文建模的有力工具被提出，但应用于分割任务时其主要缺点之一是无法有效提取充足局部细节以应对模糊边界。我们提出一种新颖的边界感知 Transformer（BAT）来全面应对自动皮肤病变分割的挑战。具体而言，我们将一种新的边界注意力门（BAG）集成到 Transformer 中，使整个网络不仅可通过 Transformer 有效建模全局长程依赖，同时能充分利用边界先验知识捕获更多局部细节。特别地，BAG 的辅助监督能够提供丰富空间信息，从而协助 Transformer 学习位置嵌入。我们进行了大量实验评估所提 BAT，实验结果证实其有效性，在两个著名数据集上一致优于最先进方法。
引用
@article{arxiv.2110.03864,
title = {Boundary-aware Transformers for Skin Lesion Segmentation},
author = {Jiacheng Wang and Lan Wei and Liansheng Wang and Qichao Zhou and Lei Zhu and Jing Qin},
journal= {arXiv preprint arXiv:2110.03864},
year = {2021}
}