通过完整性学习实现高效息肉分割
图像与视频处理
2023-09-18 v1 计算机视觉与模式识别
摘要
结肠镜中准确的息肉勾画对于辅助诊断、引导干预与治疗至关重要。然而，当前深度学习方法因完整性缺失（常表现为病灶部分遗漏）而存在不足。本文在宏观与微观层面引入息肉分割中的完整性概念，旨在缓解完整性缺失。具体而言，模型应在宏观层面区分完整息肉，并在微观层面识别息肉内所有组分。我们的完整性捕获息肉分割（IC-PolypSeg）网络采用轻量骨干与 3 个用于改善完整性的关键组件：1）像素级特征重分布（PFR）模块在最终富含语义的编码器特征中捕获跨通道的全局空间关联。2）跨阶段像素级特征重分布（CPFR）模块动态融合高层语义与低层空间特征以捕获上下文信息。3）由粗到细校准模块结合 PFR 与 CPFR 模块实现精确边界检测。在 5 个公开数据集上的大量实验表明，所提 IC-PolypSeg 在更高精度与显著改进的计算效率（更低计算消耗）方面优于 8 种最先进方法。IC-PolypSeg-EF0 所用参数比 PraNet 少 300 倍，同时达到 235 FPS 的实时处理速度。重要的是，IC-PolypSeg 在五个数据集上降低了假阴性比，满足临床需求。
引用
@article{arxiv.2309.08234,
title = {Efficient Polyp Segmentation Via Integrity Learning},
author = {Ziqiang Chen and Kang Wang and Yun Liu},
journal= {arXiv preprint arXiv:2309.08234},
year = {2023}
}
备注
submited to ICASSP 2024