基于 PVT 编码与精细化解码的 CT 肝脏分割
图像与视频处理
2024-04-23 v3 计算机视觉与模式识别
摘要
从 CT 扫描中准确分割肝脏对于有效的诊断和治疗计划至关重要。计算机辅助诊断系统有望提高肝病诊断、疾病进展和治疗计划的精度。针对这一需求，我们提出了一种新颖的深度学习方法 \textit{\textbf{PVTFormer}}，该方法建立在预训练的金字塔视觉 Transformer (PVT v2) 之上，并结合了先进的残差上采样和解码器块。通过将精细化特征通道方法与分层解码策略相结合，PVTFormer 通过增强语义特征生成高质量的分割掩膜。在肝脏肿瘤分割基准 (LiTS) 2017 上对该方法进行的严格评估表明，我们提出的架构不仅实现了 86.78\% 的高 Dice 系数和 78.46\% 的 mIoU，还获得了 3.50 的低 HD。结果强调了 PVTFormer 在为最先进的肝脏分割方法设立新基准方面的有效性。所提出的 PVTFormer 源代码可在 \url{https://github.com/DebeshJha/PVTFormer} 获取。
引用
@article{arxiv.2401.09630,
title = {CT Liver Segmentation via PVT-based Encoding and Refined Decoding},
author = {Debesh Jha and Nikhil Kumar Tomar and Koushik Biswas and Gorkem Durak and Alpay Medetalibeyoglu and Matthew Antalek and Yury Velichko and Daniela Ladner and Amir Borhani and Ulas Bagci},
journal= {arXiv preprint arXiv:2401.09630},
year = {2024}
}