M3FPolypSegNet：用于结肠镜图像中息肉定位的多频特征融合分割网络
图像与视频处理
2023-10-11 v2 计算机视觉与模式识别
机器学习
摘要
息肉分割对于预防结直肠癌这一常见癌症至关重要。深度学习已被用于自动分割息肉，从而降低误诊风险。由于息肉具有颜色、遮挡及多种形状等复杂特性，在结肠镜图像中定位小息肉具有挑战性。为应对该挑战，提出了一种新颖的基于频率的全卷积神经网络——多频特征融合息肉分割网络（M3FPolypSegNet），将输入图像分解为低/高/全频分量以利用各分量特性。我们使用三个独立的多频编码器将多张输入图像映射至高维特征空间。在频率-ASPP可扩展注意力模块（F-ASPP SAM）中，于各频率分量间应用ASPP以保留尺度信息。随后，应用可扩展注意力以在高维特征空间中突出息肉区域。最后，我们在四个解码器模块中设计了三种多任务学习（即区域、边缘和距离）以学习区域的结构特征。所提模型在CVC-ClinicDB和BKAI-IGH-NeoPolyp上分别以平均6.92%和7.52%的性能增益优于多种分割模型。
引用
@article{arxiv.2310.05538,
title = {M3FPolypSegNet: Segmentation Network with Multi-frequency Feature Fusion for Polyp Localization in Colonoscopy Images},
author = {Ju-Hyeon Nam and Seo-Hyeong Park and Nur Suriza Syazwany and Yerim Jung and Yu-Han Im and Sang-Chul Lee},
journal= {arXiv preprint arXiv:2310.05538},
year = {2023}
}
备注
5pages. 2023 IEEE International Conference on Image Processing (ICIP). IEEE, 2023