用于色素病分割的多尺度多路径级联卷积网络
图像与视频处理
2024-12-04 v1 计算机视觉与模式识别
摘要
色素病是胃肠道 tract 的结构异常，某些情况下可能发展为癌症。该研究引入一种新型框架用于色素病分割，称为多尺度多路径级联卷积网络（MMCC-Net），旨在解决现有模型存在的局限性，如对空间依赖性表征不足以及在解码阶段缺乏多层次特征集成。MMCC-Net 通过集成多尺度和多路径级联卷积技术，并通过双注意力模块、跳跃连接和特征增强器来增强特征聚合，来实现上述目标。MMCC-Net 在像素级别识别色素病区域方面取得优异性能。对 proposed MMCC-Net 的性能进行了在六个公开数据集上的测试，并与八个 SOTA 模型进行了比较，以证明其在色素病分割中的效率。MMCC-Net 的性能显示，Dice 分数（置信区间）介于 (77.08, 77.56) 和 (94.19, 94.71) 之间，平均交并比（MIoU）分数（置信区间）介于 (72.20, 73.00) 到 (89.69, 90.53) 之间。这些结果凸显了该模型作为准确且高效色素病分割工具的潜力，为色素病早期检测和预防策略做出了贡献。
引用
@article{arxiv.2412.02443,
title = {Multi-scale and Multi-path Cascaded Convolutional Network for Semantic Segmentation of Colorectal Polyps},
author = {Malik Abdul Manan and Feng Jinchao and Muhammad Yaqub and Shahzad Ahmed and Syed Muhammad Ali Imran and Imran Shabir Chuhan and Haroon Ahmed Khan},
journal= {arXiv preprint arXiv:2412.02443},
year = {2024}
}