基于循环相似注意力的少样本医学图像分割
计算机视觉与模式识别
2022-12-09 v1
摘要
近来，由于医学影像应用需求的增长以及医学图像标注的专业要求，少样本学习在医学图像语义分割领域受到越来越多的关注。为在有限标注医学图像下执行分割，多数现有研究使用原型网络（PN）并取得了引人瞩目的成功。然而，这些方法忽视了所提表示网络提取的查询图像特征，未能保持查询与支持图像间的空间联系。本文提出一种新颖的自监督少样本医学图像分割网络，并引入一种新颖的循环相似注意力（CRA）模块，以充分利用查询与支持医学图像间的像素级关系。值得注意的是，我们首先串联多个注意力块以提炼更丰富的关系信息。随后，我们将CRA模块与经典原型网络整合提出CRAPNet，其中查询与支持特征间的像素级关系被很好地重捕获用于分割。在两个不同医学图像数据集（如腹部MRI和腹部CT）上的大量实验证明了我们的模型优于现有最先进方法。
引用
@article{arxiv.2212.03967,
title = {Few-shot Medical Image Segmentation with Cycle-resemblance Attention},
author = {Hao Ding and Changchang Sun and Hao Tang and Dawen Cai and Yan Yan},
journal= {arXiv preprint arXiv:2212.03967},
year = {2022}
}
备注
Work accepted to WACV 2023