J-CaPA：联合通道注意力与金字塔注意力提升医学图像分割
计算机视觉与模式识别
2024-11-26 v1
摘要
医学图像分割是诊断和治疗规划中的关键环节。传统的基于卷积神经网络的方法，如U-Net，虽已展现出有前景的成果，但难以捕获长程依赖和全局上下文信息。为此，我们提出一种基于Transformer的架构，联合应用通道注意力（Channel Attention）和金字塔注意力（Pyramid Attention）机制，以提升多尺度特征提取并增强医学图像的分割性能。增加模型复杂度通常需要更多训练数据，我们进一步通过CutMix数据增强提升模型的泛化能力。我们在Synapse多器官分割数据集上进行评估，实验结果表明，采用我们方法的模型在平均Dice得分上提升6.9%，在衡度距离（Hausdorff Distance, HD95）上提升39.9%。我们提出的模型展现出对复杂解剖结构的分割精度优势，超越了现有的方法。
引用
@article{arxiv.2411.16568,
title = {J-CaPA : Joint Channel and Pyramid Attention Improves Medical Image Segmentation},
author = {Marzia Binta Nizam and Marian Zlateva and James Davis},
journal= {arXiv preprint arXiv:2411.16568},
year = {2024}
}