MNet-SAt：用于结肠息肉分割的多尺度网络与空间增强注意力
计算机视觉与模式识别
2024-12-30 v1
摘要
目标：开发一种新型深度学习框架，用于自动化分割结肠息肉，克服当前方法在保持精确息肉边界、整合多尺度特征以及建模反映息肉形态学复杂多样性的空间依赖方面的局限性。方法：为解决这些局限性，我们提出了一种新的多尺度网络，称为空间增强注意力（MNet-SAt），用于结肠镜图像中的息肉分割。该框架包含四个关键模块：边缘引导特征丰富（EGFE）保留边缘信息以提高边界质量；多尺度特征聚合器（MSFA）在通道空间维度上提取和聚合多尺度特征，聚焦于显著区域；空间增强注意力（SEAt）捕捉多尺度聚合特征中的空间感知全局依赖，强调感兴趣区域；通道增强空洞空域空间金字塔池化（CE-ASPP）对 attentive 特征在尺度上的重采样和重校准。结果：我们在Kvasir-SEG和CVC-ClinicDB数据集上评估了MNet-SAt，分别实现了96.61%和98.60%的Dice相似系数。结论：定量（DSC）和定性评估均表明，MNet-SAt在已有方法的性能和泛化能力方面具有优势。意义：MNet-SAt在息肉分割中的高精度有望提高早期息肉检测和更有效的治疗，促进降低结直肠癌死亡率。
引用
@article{arxiv.2412.19464,
title = {MNet-SAt: A Multiscale Network with Spatial-enhanced Attention for Segmentation of Polyps in Colonoscopy},
author = {Chandravardhan Singh Raghaw and Aryan Yadav and Jasmer Singh Sanjotra and Shalini Dangi and Nagendra Kumar},
journal= {arXiv preprint arXiv:2412.19464},
year = {2024}
}