基于带膨胀卷积 U-Net 的结肠直肠息肉分割
图像与视频处理
2019-12-30 v1 计算机视觉与模式识别
摘要
结直肠癌（CRC）是美国最常诊断的癌症之一，也是癌症死亡的主要原因。生长于结肠或直肠内膜的结肠直肠息肉是 CRC 的重要前驱病变。目前，结肠直肠息肉检测与癌前病理学检查的最常用方法是结肠镜检查。因此，在结肠镜检查过程中对结肠直肠息肉进行准确分割，对于 CRC 的早期检测与预防具有重要的临床意义。在本文中，我们提出了一种用于结肠直肠息肉分割的新型端到端深度学习框架。我们设计的模型由一个用于提取多尺度语义特征的编码器和一个用于将特征图扩展为息肉分割图的解码器组成。我们通过引入膨胀卷积来学习高层语义特征而不降低分辨率，从而改善了编码器的特征表示能力。我们进一步设计了一个简化的解码器，它以比传统架构更少的参数将多尺度语义特征进行融合。此外，我们在输出分割图上应用了三种后处理技术以改善结肠直肠息肉检测性能。我们的方法在 CVC-ClinicDB 和 ETIS-Larib Polyp DB 上取得了最先进的结果。
引用
@article{arxiv.1912.11947,
title = {Colorectal Polyp Segmentation by U-Net with Dilation Convolution},
author = {Xinzi Sun and Pengfei Zhang and Dechun Wang and Yu Cao and Benyuan Liu},
journal= {arXiv preprint arXiv:1912.11947},
year = {2019}
}
备注
8 pages. ICMLA (International Conference on Machine Learning and Applications)