FLDNet：一种利用长程依赖的前景感知息肉分割网络
计算机视觉与模式识别
2023-09-13 v1
摘要
鉴于结直肠癌与息肉的密切关联，结直肠息肉的诊断与识别在结直肠癌的检测与手术干预中起着关键作用。在此背景下，从各类结肠镜图像中自动检测与分割息肉已成为一个引人广泛关注的重要问题。当前息肉分割技术面临若干挑战：首先，息肉在尺寸、纹理、颜色和形态上各异；其次，息肉与黏膜间边界通常模糊，现有研究聚焦于学习息肉的局部特征，而忽略了特征的长程依赖，也忽略了联合特征的局部上下文与全局上下文信息。为应对这些挑战，我们提出FLDNet（Foreground-Long-Distance Network），一种基于Transformer的神经网络，通过捕获长程依赖实现精准息肉分割。具体而言，所提模型由三个主要模块组成：基于金字塔的Transformer编码器、局部上下文模块和前景感知模块。首先由基于金字塔的Transformer编码器捕获带有长程依赖信息的多级特征。在高层特征上，局部上下文模块通过构建不同的局部上下文信息获取与息肉相关的局部特征。由重构的最高层特征解码得到的粗分割图引导前景感知模块中高层特征的特征融合过程，以实现息肉的前景增强。我们提出的方法FLDNet在常用数据集上采用七项指标进行评估，并在广泛使用的评价指标上展现出优于SOTA方法的性能。
引用
@article{arxiv.2309.05987,
title = {FLDNet: A Foreground-Aware Network for Polyp Segmentation Leveraging Long-Distance Dependencies},
author = {Xuefeng Wei and Xuan Zhou},
journal= {arXiv preprint arXiv:2309.05987},
year = {2023}
}