MEGANet：用于弱边界息肉分割的多尺度边缘引导注意力网络
计算机视觉与模式识别
2023-11-07 v3
摘要
医疗领域中高效的息肉分割对于实现结直肠癌的早期诊断起着关键作用。然而，息肉分割存在诸多挑战，包括背景的复杂分布、息肉尺寸与形状的变化以及边界模糊。界定前景（即息肉本身）与背景（周围组织）之间的边界是困难的。为缓解这些挑战，我们提出了多尺度边缘引导注意力网络（MEGANet），专为结肠镜图像中的息肉分割而设计。该网络受到经典边缘检测技术与注意力机制相融合的启发。通过结合这些技术，MEGANet有效保留了高频信息，尤其是边缘与边界，这类信息往往随着神经网络加深而退化。MEGANet被设计为端到端框架，包含三个关键模块：编码器，负责从输入图像中捕获并抽象特征；解码器，专注于显著特征；以及边缘引导注意力模块（EGA），其采用拉普拉斯算子来突出息肉边界。在五个基准数据集上进行的定性与定量大量实验表明，我们的MEGANet在六项评价指标下优于其他现有的SOTA方法。我们的代码可在 https://github.com/UARK-AICV/MEGANet 获取。
引用
@article{arxiv.2309.03329,
title = {MEGANet: Multi-Scale Edge-Guided Attention Network for Weak Boundary Polyp Segmentation},
author = {Nhat-Tan Bui and Dinh-Hieu Hoang and Quang-Thuc Nguyen and Minh-Triet Tran and Ngan Le},
journal= {arXiv preprint arXiv:2309.03329},
year = {2023}
}
备注
Accepted at the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2024)