EAFP-Med：一种基于提示的高效自适应特征处理模块用于医学图像检测
计算机视觉与模式识别
2023-11-28 v1 多媒体
摘要
面对医学影像的快速发展，由于不同医学成像技术中病灶表征的差异，跨域自适应医学图像检测具有挑战性。为解决此问题，我们从大语言模型中汲取灵感，提出EAFP-Med，一种基于提示的高效自适应特征处理模块用于医学图像检测。EAFP-Med能够基于提示从多样化医学图像中高效提取不同尺度的病灶特征，且灵活不受特定成像技术限制。此外，它作为特征预处理模块，可连接至任意模型前端以增强输入图像中的病灶特征。进而，我们提出一种名为EAFP-Med ST的新型自适应疾病检测模型，其采用Swin Transformer V2 - Tiny（SwinV2-T）作为主干并连接EAFP-Med。我们将方法与九种最先进方法进行比较。实验结果表明，EAFP-Med ST在全部三个数据集（胸部X射线图像、颅脑磁共振成像图像和皮肤图像）上取得最佳性能。EAFP-Med能基于提示从各类医学图像高效提取病灶特征，提升模型性能。这在改进医学图像分析与诊断方面具有重要潜力。
引用
@article{arxiv.2311.15540,
title = {EAFP-Med: An Efficient Adaptive Feature Processing Module Based on Prompts for Medical Image Detection},
author = {Xiang Li and Long Lan and Husam Lahza and Shaowu Yang and Shuihua Wang and Wenjing Yang and Hengzhu Liu and Yudong Zhang},
journal= {arXiv preprint arXiv:2311.15540},
year = {2023}
}