DilatedSegNet：一种用于息肉分割的深度膨胀分割网络
图像与视频处理
2022-10-26 v1 计算机视觉与模式识别
摘要
结直肠癌（CRC）是全球癌症相关死亡的第二大原因。结肠镜期间切除息肉有助于降低 CRC 的死亡率与发病率。在深度学习驱动下，计算机辅助诊断（CAD）系统可检测结肠镜中医生遗漏的区域。缺乏高精度与实时速度是此类系统成功临床集成须克服的关键障碍。现有文献多聚焦精度提升，而速度参数常被忽视。针对这一关键需求，我们旨在开发一种新颖的基于实时深度学习的架构 DilatedSegNet，用于即时息肉分割。DilatedSegNet 是一种编码器-解码器网络，使用预训练的 ResNet50 作为编码器，从中提取四个层级的特征图。每个特征图均通过一个膨胀卷积池化（DCP）块。DCP 块的输出被拼接并经过四个解码器块序列，预测分割掩码。所提方法以平均 dice 系数 0.90 和 mIoU 0.83 实现了 33.68 帧/秒的实时操作速度。此外，我们还提供热力图及定性结果，展示对息肉位置的解释，提升了方法的可信度。在公开可用的 Kvasir-SEG 与 BKAI-IGH 数据集上的结果表明，DilatedSegNet 可在保持高 \ac{DSC} 的同时提供实时反馈，显示出近期在真实临床环境中使用此类模型的高潜力。源代码 GitHub 链接见：\url{https://github.com/nikhilroxtomar/DilatedSegNet}。
引用
@article{arxiv.2210.13595,
title = {DilatedSegNet: A Deep Dilated Segmentation Network for Polyp Segmentation},
author = {Nikhil Kumar Tomar and Debesh Jha and Ulas Bagci},
journal= {arXiv preprint arXiv:2210.13595},
year = {2022}
}
备注
Accepted at MMM 2023