FIAS：基于动态融合与混合注意力的特征不平衡感知医学图像分割
计算机视觉与模式识别
2024-12-02 v2
摘要
随着 Transformer 在计算机视觉中的应用日益广泛，结合卷积神经网络 (CNNs) 和 Transformer 的混合架构在医学图像分割中展现出竞争力。然而，直接融合 CNNs 和 Transformer 的特征通常会导致特征不平衡和冗余信息。为解决这些问题，我们提出了一种特征不平衡感知分割 (FIAS) 网络，该网络包含一个双路径编码器和一个新颖的混合注意力 解码器。双分支编码器集成了 DilateFormer 用于长程全局特征提取，以及深度多核 (DMK) 卷积用于捕获细粒度局部细节。上下文感知融合 (CAF) 模块动态平衡这些全局和局部特征的贡献，防止特征不平衡。MixAtt 解码器通过结合自注意力和蒙特卡洛注意力进一步提升了分割精度，使模型能够同时捕获微小细节和大规模依赖关系。在 Synapse 多器官和 ACDC 数据集上的实验结果证明了我们的方法在医学图像分割任务中具有强劲的竞争力。
关键词
引用
@article{arxiv.2411.10881,
title = {FIAS: Feature Imbalance-Aware Medical Image Segmentation with Dynamic Fusion and Mixing Attention},
author = {Xiwei Liu and Min Xu and Qirong Ho},
journal= {arXiv preprint arXiv:2411.10881},
year = {2024}
}
备注
Need some addtional modification for this work