OCU-Net：一种用于增强口腔癌分割的新型 U-Net 架构
图像与视频处理
2023-10-05 v1 计算机视觉与模式识别
机器学习
摘要
口腔癌的准确检测对于改善患者预后至关重要。然而，该领域面临两个关键挑战：专门针对口腔癌的基于深度学习的图像分割研究稀缺，以及标注数据的缺乏。我们的研究提出了 OCU-Net，一种专为在苏木精和伊红（H&E）染色图像数据集中检测口腔癌而设计的开创性 U-Net 图像分割架构。OCU-Net 引入了先进的深度学习模块，例如通道与空间注意力融合（CSAF）模块，这是一种新颖且创新的特征，可在探索上下文信息的同时，强调 H&E 图像中重要的通道和空间区域。此外，OCU-Net 还集成了其他创新组件，如压缩激励（SE）注意力模块、空洞空间金字塔池化（ASPP）模块、残差块和多尺度融合。这些模块的引入在本文使用的两个数据集上展现出优越的口腔癌分割性能。此外，我们有效地利用高效的 ImageNet 预训练 MobileNet-V2 模型作为 OCU-Net 的骨干网络，创建了增强版本 OCU-Netm，取得了最先进（state-of-the-art）的结果。综合评估表明，OCU-Net 和 OCU-Netm 优于现有的分割方法，凸显了它们在 OCDC 和 ORCA 数据集的 H&E 图像中识别癌细胞的精确性。
引用
@article{arxiv.2310.02486,
title = {OCU-Net: A Novel U-Net Architecture for Enhanced Oral Cancer Segmentation},
author = {Ahmed Albishri and Syed Jawad Hussain Shah and Yugyung Lee and Rong Wang},
journal= {arXiv preprint arXiv:2310.02486},
year = {2023}
}