COTR：用于端到端息肉检测的 Transformer 网络中卷积结构
计算机视觉与模式识别
2021-05-25 v1
摘要
目的：结直肠癌（CRC）是全球癌症死亡的第二大常见原因。结肠镜是广泛用于结肠筛查和息肉病变诊断的技术。然而，使用结肠镜的手动筛查存在显著的息肉漏诊率，并且对内镜医师是巨大的负担。用于息肉检测的计算机辅助诊断（CAD）有潜力减少人为错误与人力负担。然而，当前基于目标检测框架的息肉检测方法需要许多手工设计的预处理和后处理操作或需要领域知识的用户引导。方法：本文中，我们提出一种用于端到端息肉检测的 Transformer 中卷积（COTR）网络。受检测 Transformer（DETR）启发，COTR 由用于特征提取的 CNN、与卷积层交错的 Transformer 编码器层用于特征编码与重标定、用于目标查询的 Transformer 解码器层，以及用于检测预测的前馈网络构成。考虑到 DETR 收敛慢，COTR 将卷积层嵌入 Transformer 编码器以进行特征重建与加速收敛。结果：在两个公开息肉数据集上的实验结果显示，COTR 在 ETIS-LARIB 上取得了 91.49% 准确率、82.69% 灵敏度和 86.87% F1 分数，在 CVC-ColonDB 上取得了 91.67% 准确率、93.54% 灵敏度和 92.60% F1 分数。结论：本研究提出了一种基于检测 Transformer 的端到端结直肠癌息肉检测方法。在 ETIS-LARIB 和 CVC-ColonDB 数据集上的实验结果表明，所提模型取得了与最先进方法相当的性能。
引用
@article{arxiv.2105.10925,
title = {COTR: Convolution in Transformer Network for End to End Polyp Detection},
author = {Zhiqiang Shen and Chaonan Lin and Shaohua Zheng},
journal= {arXiv preprint arXiv:2105.10925},
year = {2021}
}