用于息肉分割的双路上下文关系网络
图像与视频处理
2022-01-21 v3 计算机视觉与模式识别
摘要
息肉分割在结直肠癌的早期诊断和治疗中具有重要意义。由于息肉在形状、大小、颜色和纹理上各不相同，准确的息肉分割极具挑战性。缓解息肉多样性的一种有前景的方法是为每个像素建模上下文关系，例如使用注意力机制。然而，先前的方法仅关注学习单幅图像内位置之间的依赖关系，而忽略了跨不同图像的上下文关系。在本文中，我们提出双路上下文关系网络（DCRNet）以捕获图像内和跨图像的上下文关系。具体而言，我们首先设计内部上下文关系模块来估计同一图像内每个位置与所有位置之间的相似性。然后引入外部上下文关系模块来估计每个位置与跨不同图像的位置之间的相似性。基于上述两类相似性，一个位置处的特征可通过图像内和跨图像的上下文区域嵌入进一步增强。为存储来自所有图像的特征区域嵌入，我们设计了一个记忆库并作为队列运行。因此，所提方法即使相似特征来自不同图像也能建立关联。我们在EndoScene、Kvasir-SEG以及最近发布的大规模PICCOLO数据集上评估了所提方法。实验结果表明，所提DCRNet在广泛使用的评价指标上优于SOTA方法。
引用
@article{arxiv.2103.06725,
title = {Duplex Contextual Relation Network for Polyp Segmentation},
author = {Zijin Yin and Kongming Liang and Zhanyu Ma and Jun Guo},
journal= {arXiv preprint arXiv:2103.06725},
year = {2022}
}
备注
Accepted to ISBI2022