Meta-Polyp：一种高效的息肉分割基线
图像与视频处理
2023-07-19 v3 计算机视觉与模式识别
机器学习
摘要
近年来，息肉分割的重要性日益凸显，许多方法利用 CNN、Vision Transformer 和 Transformer 技术取得了具有竞争力的结果。然而，这些方法在处理分布外数据集、边界缺失以及小息肉时常常面临困难。2022 年，Meta-Former 作为一种新的视觉基线被提出，不仅提升了多任务计算机视觉的性能，也克服了 Vision Transformer 和 CNN 系列骨干网络的局限性。为进一步提升分割效果，我们提出将 Meta-Former 与 UNet 相融合，并在解码阶段引入具有层级提升组合的多尺度上采样块以增强纹理；同时基于 Meta-former 的思想提出 Convformer 块以增强局部特征的关键信息。这些模块能够将息肉整体形状等全局信息与局部信息及边界信息相结合，这对医学分割的决策至关重要。我们所提方法取得了具有竞争力的性能，并在 CVC-300、Kvasir 和 CVC-ColonDB 数据集上获得 SOTA 最佳结果。除 Kvasir-SEG 外，其余均为分布外数据集。实现代码见：https://github.com/huyquoctrinh/MetaPolyp-CBMS2023。
引用
@article{arxiv.2305.07848,
title = {Meta-Polyp: a baseline for efficient Polyp segmentation},
author = {Quoc-Huy Trinh},
journal= {arXiv preprint arXiv:2305.07848},
year = {2023}
}