MyGO: 让目标明确，避免前列腺癌病灶区域分割中的语义混淆
图像与视频处理
2025-07-24 v1 计算机视觉与模式识别
摘要
早期诊断以及准确识别前列腺癌(PCa)病灶位置和进展，对于帮助临床医生制定有效治疗策略至关重要。然而，由于病灶区域与非病灶区域之间存在高度的语义同质性，现有的医学图像分割方法常常难以准确理解病灶语义，导致语义混淆问题。为应对这一挑战，我们提出了一种新颖的像素锚点模块(Pixel Anchor Module)，该模块引导模型发现一组稀疏的特征锚点，用于捕获和解释全局上下文信息。该机制增强了模型的非线性表示能力，并提高了病灶区域的分割精度。此外，我们设计了一种基于自注意力的Top_k选择策略，以进一步优化这些特征锚点的识别，并引入焦点损失函数(focal loss)来缓解类别不平衡问题，从而促进对不同区域进行更精确的语义解释。我们的方法在PI-CAI数据集上达到了最先进的性能，IoU为69.73%，Dice得分为74.32%，显著改善了前列腺癌病灶检测。
引用
@article{arxiv.2507.17269,
title = {MyGO: Make your Goals Obvious, Avoiding Semantic Confusion in Prostate Cancer Lesion Region Segmentation},
author = {Zhengcheng Lin and Zuobin Ying and Zhenyu Li and Zhenyu Liu and Jian Lu and Weiping Ding},
journal= {arXiv preprint arXiv:2507.17269},
year = {2025}
}