CircleFormer：基于圆形查询与注意力的全切片图像圆形细胞核检测
计算机视觉与模式识别
2023-09-01 v2
摘要
基于CNN和基于Transformer的边界框表示目标检测在计算机视觉和医学图像分析中已被广泛研究，但医学图像中的圆形目标检测仍鲜有探索。受近期基于无锚框CNN的圆形目标检测方法（CircleNet，用于肾脏病理中球状肾小球检测）启发，本文提出CircleFormer，一种基于Transformer的圆形医学目标检测方法，采用动态锚圆。具体而言，Transformer解码器中具有圆形表示的查询迭代地精化圆形目标检测结果，并引入圆形交叉注意力模块来计算圆形查询与图像特征之间的相似度。同时提出一种广义圆形IoU（gCIoU）作为圆形目标检测的新回归损失。此外，通过在CircleFormer上添加简单的分割分支，我们的方法易于推广到分割任务。我们在公开MoNuSeg数据集上评估了该方法在圆形细胞核检测与分割上的表现，实验结果表明相比最先进的方法，我们的方法取得了有前景的性能。各组件的有效性也通过消融实验得到验证。我们的代码发布于 https://github.com/zhanghx-iim-ahu/CircleFormer。
引用
@article{arxiv.2308.16145,
title = {CircleFormer: Circular Nuclei Detection in Whole Slide Images with Circle Queries and Attention},
author = {Hengxu Zhang and Pengpeng Liang and Zhiyong Sun and Bo Song and Erkang Cheng},
journal= {arXiv preprint arXiv:2308.16145},
year = {2023}
}
备注
Accepted at MICCAI 2023