面向息肉分割的病灶感知动态核网络
图像与视频处理
2023-01-13 v1 计算机视觉与模式识别
摘要
自动且准确的息肉分割在早期结直肠癌诊断中起着至关重要的作用。然而，由于1）息肉在形状、大小、亮度及其他外观特征上的多样性，2）隐蔽息肉与其周围区域之间微小的对比度，这一直是一项具有挑战性的任务。为解决这些问题，我们提出了一种用于息肉分割的病灶感知动态网络（LDNet），该网络采用传统的U型编码器-解码器结构，并融入了动态核生成与更新方案。具体而言，所设计的分割头以输入图像的全局上下文特征为条件，并根据息肉分割预测迭代地由提取的病灶特征进行更新。这种简单而有效的方案赋予我们的模型强大的分割性能和泛化能力。此外，我们利用提取的病灶表示，通过一个定制的病灶感知交叉注意力模块（LCA）来增强息肉与背景区域之间的特征对比度，并设计了一个高效的自注意力模块（ESA）来捕获长程上下文关系，从而进一步提高分割精度。在四个公开息肉基准数据集和我们收集的大规模息肉数据集上的大量实验表明，与其他现有最优方法相比，我们的方法具有优越的性能。源代码可在https://github.com/ReaFly/LDNet获取。
引用
@article{arxiv.2301.04904,
title = {Lesion-aware Dynamic Kernel for Polyp Segmentation},
author = {Ruifei Zhang and Peiwen Lai and Xiang Wan and De-Jun Fan and Feng Gao and Xiao-Jian Wu and Guanbin Li},
journal= {arXiv preprint arXiv:2301.04904},
year = {2023}
}
备注
Accepted by MICCAI2022