ColonFormer：一种用于结肠息肉分割的高效Transformer方法
计算机视觉与模式识别
2022-06-08 v3
摘要
在计算机辅助临床支持系统中，识别息肉对于内窥镜图像的自动分析具有挑战性。基于卷积网络（CNN）、Transformer及其组合的模型已被提出用于分割息肉，并取得了有前景的结果。然而，这些方法存在局限性，要么仅能建模息肉的局部外观，要么在解码过程中缺乏用于空间依赖性的多级特征。本文提出了一种名为ColonFormer的新型网络来解决这些局限性。ColonFormer是一种编码器-解码器架构，能够在编码器和解码器分支上建模长程语义信息。编码器是一种基于Transformer的轻量级架构，用于在多尺度上建模全局语义关系。解码器是一种分层网络结构，旨在学习多级特征以丰富特征表示。此外，还添加了一个细化模块，并采用了一种新的跳跃连接技术，以在全局图中细化息肉对象的边界，从而实现精确分割。在五个流行的息肉分割基准数据集（包括Kvasir、CVC-Clinic DB、CVC-ColonDB、CVC-T和ETIS-Larib）上进行了大量实验。实验结果表明，我们的ColonFormer在所有基准数据集上均优于其他最先进的方法。
引用
@article{arxiv.2205.08473,
title = {ColonFormer: An Efficient Transformer based Method for Colon Polyp Segmentation},
author = {Nguyen Thanh Duc and Nguyen Thi Oanh and Nguyen Thi Thuy and Tran Minh Triet and Dinh Viet Sang},
journal= {arXiv preprint arXiv:2205.08473},
year = {2022}
}