用于足部溃疡分割的轻量级编码器-解码器架构
图像与视频处理
2022-07-07 v1 计算机视觉与模式识别
摘要
持续监测足部溃疡的愈合情况对于确保给定治疗的疗效并避免任何恶化可能十分必要。足部溃疡分割是伤口诊断中的关键步骤。我们开发了一种在思想上与成熟的编码器-解码器及残差卷积神经网络相似的模型。我们的模型在每个卷积块内集成了残差连接以及通道与空间注意力。基于补丁的简单模型训练方法、测试时增强以及对所得预测进行多数投票，带来了优越的性能。我们的模型未利用任何现成的骨干架构、在类似外部数据集上的预训练或任何迁移学习技术。网络参数总数约为500万，与现有的用于足部溃疡分割任务的SOTA模型相比，这使其成为一个显著轻量级的模型。我们的实验展示了补丁级和图像级的结果。应用于MICCAI 2021公开的足部溃疡分割（FUSeg）挑战数据集，我们的模型在Dice相似系数方面取得了88.22%的SOTA图像级性能，并在官方挑战排行榜上排名第二。我们还展示了一种可与更先进架构进行比较的极简方案。
引用
@article{arxiv.2207.02515,
title = {Lightweight Encoder-Decoder Architecture for Foot Ulcer Segmentation},
author = {Shahzad Ali and Arif Mahmood and Soon Ki Jung},
journal= {arXiv preprint arXiv:2207.02515},
year = {2022}
}
备注
Published version of this article is available at https://link.springer.com/chapter/10.1007/978-3-031-06381-7_17