用于息肉分割的边缘感知特征聚合网络
计算机视觉与模式识别
2025-02-06 v2
摘要
精确的息肉分割对于临床中结直肠癌（CRC）的早期诊断与预防至关重要。然而，由于尺度变化与息肉边界模糊，以不同尺度与形状取得令人满意的分割性能仍是一项挑战性任务。在本研究中，我们提出一种新颖的用于息肉分割的边缘感知特征聚合网络（EFA-Net），其能充分利用跨层级与多尺度特征提升息肉分割性能。具体而言，我们首先提出边缘感知引导模块（EGM）将低级特征与高级特征结合以学习边缘增强特征，并通过逐层策略将其融入各解码器单元。此外，提出尺度感知卷积模块（SCM）通过使用不同膨胀率空洞卷积学习尺度感知特征，以有效应对尺度变化。进一步，提出跨层级融合模块（CFM）以有效整合跨层级特征，从而利用局部与全局上下文信息。最后，CFM 的输出由所学边缘感知特征自适应加权，并用于生成多个侧输出分割图。在五个广泛使用的结肠镜数据集上的实验结果表明，我们的 EFA-Net 在泛化性与有效性上优于 SOTA 息肉分割方法。我们的实现代码与分割图将公开于 https://github.com/taozh2017/EFANet。
引用
@article{arxiv.2309.10523,
title = {Edge-aware Feature Aggregation Network for Polyp Segmentation},
author = {Tao Zhou and Yizhe Zhang and Geng Chen and Yi Zhou and Ye Wu and Deng-Ping Fan},
journal= {arXiv preprint arXiv:2309.10523},
year = {2025}
}
备注
Accepted by Machine Intelligence Research (2025)