CGAM：通过反向传播精炼实现交互式病理图像分割的点击引导注意力模块
计算机视觉与模式识别
2023-07-04 v1
摘要
肿瘤区域分割是数字病理学定量分析的一项基本任务。近期提出的深度神经网络已在多种图像分割任务中展现出最优性能。然而，由于病理图像中癌区与正常区域边界不清，即便使用现代方法，也难以产出满足医学数据所需可靠性与准确性的满意分割结果。本研究提出一种交互式分割方法，允许用户通过点击式交互精炼深度神经网络输出。主要方法是将交互式分割表述为利用点击引导注意力模块（CGAM）同时结合用户提供点击约束与特征图语义信息的优化问题。与现有其他方法不同，CGAM 避免了分割结果的过度变化，后者会导致对用户点击的过拟合。CGAM 的另一优势是模型大小与输入图像尺寸无关。在病理图像数据集上的实验结果表明，我们的方法优于现有最优方法。
引用
@article{arxiv.2307.01015,
title = {CGAM: Click-Guided Attention Module for Interactive Pathology Image Segmentation via Backpropagating Refinement},
author = {Seonghui Min and Won-Ki Jeong},
journal= {arXiv preprint arXiv:2307.01015},
year = {2023}
}