用于息肉分割的多核位置嵌入 ConvNeXt
图像与视频处理
2023-06-16 v2 计算机视觉与模式识别
摘要
医学图像分割是帮助医生观察并进行精确诊断的技术，尤其在结直肠癌中。具体而言，随着病例增加，许多患者的诊断和识别需要更快、更准确；在内镜图像中，分割任务对于帮助医生正确识别息肉位置或系统病灶至关重要。因此，已有许多努力将深度学习应用于自动化息肉分割，主要是改进 U 形结构。然而，UNet 中简单的跳跃连接方案导致上下文信息不足以及编码器与解码器特征图之间的语义鸿沟。为处理该问题，我们提出了一种由 ConvNeXt 主干和多核位置嵌入块组成的新框架。得益于所提出的模块，我们的方法在息肉分割任务中可获得更好的准确性和泛化性。大量实验表明，我们的模型在 Kvasir-SEG 数据集上达到了 0.8818 的 Dice 系数和 0.8163 的 IOU 分数。此外，在不同数据集上，我们与其他以往的 SOTA 方法取得了有竞争力的结果。
引用
@article{arxiv.2301.06673,
title = {Multi Kernel Positional Embedding ConvNeXt for Polyp Segmentation},
author = {Trong-Hieu Nguyen Mau and Quoc-Huy Trinh and Nhat-Tan Bui and Minh-Triet Tran and Hai-Dang Nguyen},
journal= {arXiv preprint arXiv:2301.06673},
year = {2023}
}