MugenNet：一种新型卷积神经网络与Transformer结合的网络及其在结肠息肉图像分割中的应用
图像与视频处理
2024-04-02 v1 计算机视觉与模式识别
机器学习
摘要
生物医学图像分割是疾病诊断中非常重要的一部分。“结肠息肉”一词是指在肠腔内结肠黏膜表面发生的息肉状病变。在临床实践中，息肉的早期检测是通过结肠镜检查和生物医学图像处理进行的。因此，准确的息肉图像分割在结肠镜检查中具有重要意义。卷积神经网络（CNN）是一种常见的自动分割方法，但其主要缺点是训练时间长。Transformer利用自注意力机制，本质上为每条信息分配不同的重要性权重，从而在分割过程中实现高计算效率。然而，其潜在的缺点是存在信息丢失的风险。在本文报告的研究中，基于著名的混合原理，我们提出了一种结合CNN和Transformer以保留两者优势的方法，并将该方法应用于构建一个名为MugenNet的结肠息肉图像分割系统。我们在五个公开数据集上进行了全面实验，将MugenNet与其他CNN模型进行比较。同时进行了MugenNet的消融实验。实验结果表明，与单独使用CNN相比，MugenNet实现了显著更高的处理速度和准确率。我们工作的广义意义在于提供了一种最优结合两种互补机器学习方法的方法。
引用
@article{arxiv.2404.00726,
title = {MugenNet: A Novel Combined Convolution Neural Network and Transformer Network with its Application for Colonic Polyp Image Segmentation},
author = {Chen Peng and Zhiqin Qian and Kunyu Wang and Qi Luo and Zhuming Bi and Wenjun Zhang},
journal= {arXiv preprint arXiv:2404.00726},
year = {2024}
}