CVFC：基于注意力的跨视图特征一致性用于病理图像弱监督语义分割
计算机视觉与模式识别
2023-08-22 v1 人工智能
机器学习
摘要
组织病理学图像分割是诊断癌症的金标准，并可指示癌症预后。然而，组织病理学图像分割需要高质量掩码，因此许多研究现使用图像级标签实现像素级分割以减少细粒度标注需求。为解决此问题，我们提出一种基于注意力机制的端到端伪掩码生成框架 CVFC（基于注意力的跨视图特征一致性）。具体而言，CVFC 是由两个 Resnet38 和一个 Resnet50 组成的三分支联合框架，独立分支多尺度集成特征图以生成类激活图（CAM）；在各分支中，通过下采样和扩张方法调整 CAM 尺寸；中间分支将特征矩阵投影到查询和键特征空间，并通过连接层和内积生成特征空间感知矩阵以调整和精炼各分支的 CAM；最后，通过特征一致性损失和特征交叉损失以协同训练模式优化 CVFC 参数。大量实验后，在 WSSS4LUAD 数据集上获得 0.7122 的 IoU 和 0.7018 的 fwIoU，分别优于 HistoSegNet、SEAM、C-CAM、WSSS-Tissue 和 OEEM。
引用
@article{arxiv.2308.10449,
title = {CVFC: Attention-Based Cross-View Feature Consistency for Weakly Supervised Semantic Segmentation of Pathology Images},
author = {Liangrui Pan and Lian Wang and Zhichao Feng and Liwen Xu and Shaoliang Peng},
journal= {arXiv preprint arXiv:2308.10449},
year = {2023}
}
备注
Submitted to BIBM2023