HRDecoder：用于眼底图像病变分割的高分辨率解码网络
计算机视觉与模式识别
2025-04-14 v2
摘要
高分辨率对眼底图像的精确分割至关重要，但处理高分辨率输入会带来相当大的GPU内存开销，且随着开销增加性能增益递减。为解决此问题，同时应对分割微小物体的挑战，近期研究探索了局部-全局融合方法。这些方法利用局部区域保留精细细节，并从降尺度全局图像中捕获长程上下文信息。然而，多次前向传播的必要性不可避免地带来显著的计算开销，对推理速度产生不利影响。在本文中，我们提出了HRDecoder，一个用于眼底病变分割的简单高分辨率解码网络。它集成了一个高分辨率表征学习模块以捕获细粒度局部特征，以及一个高分辨率融合模块以融合多尺度预测。我们的方法在消耗合理的内存和计算开销的同时，有效提升了眼底病变整体分割精度，并保持了令人满意的推理速度。在IDRiD和DDR数据集上的实验结果证明了该方法的有效性。代码可在https://github.com/CVIU-CSU/HRDecoder获取。
引用
@article{arxiv.2411.03976,
title = {HRDecoder: High-Resolution Decoder Network for Fundus Image Lesion Segmentation},
author = {Ziyuan Ding and Yixiong Liang and Shichao Kan and Qing Liu},
journal= {arXiv preprint arXiv:2411.03976},
year = {2025}
}
备注
11 pages, 3 figures, accepted by MICCAI 2024, the revised version