DDANet：用于自动息肉分割的双解码器注意力网络
图像与视频处理
2021-01-01 v1 计算机视觉与模式识别
摘要
结肠镜是检查和检测结直肠息肉的金标准。息肉的定位与勾画在治疗（如手术规划）和预后决策中起着至关重要的作用。息肉分割可为临床分析提供详细的边界信息。卷积神经网络已提升了结肠镜的性能。然而，息肉通常具有多种挑战，如类内与类间差异以及噪声。虽然专家手动标注息肉评估耗时且易受人误影响（如漏诊病变），但自动化、准确且快速的分割可改善勾画病变边界的质量并降低漏检率。Endotect 挑战赛提供了通过在公开 Hyperkvasir 上训练并在独立未见数据集上测试来基准评测计算机视觉方法的机会。本文提出一种称为“DDANet”的基于双解码器注意力网络的新架构。我们的实验表明，在 Kvasir-SEG 数据集上训练并在未见数据集上测试的模型取得了 0.7874 的 dice 系数、0.7010 的 mIoU、0.7987 的召回率和 0.8577 的精确率，展示了我们模型的泛化能力。
引用
@article{arxiv.2012.15245,
title = {DDANet: Dual Decoder Attention Network for Automatic Polyp Segmentation},
author = {Nikhil Kumar Tomar and Debesh Jha and Sharib Ali and Håvard D. Johansen and Dag Johansen and Michael A. Riegler and Pål Halvorsen},
journal= {arXiv preprint arXiv:2012.15245},
year = {2021}
}