用于医学图像分割的 Patch 网络
计算机视觉与模式识别
2023-02-24 v1
摘要
准确且快速的医学图像分割在临床中至关重要,然而当前研究方法包括推理速度快但难以学习图像上下文特征的卷积神经网络,以及性能良好但硬件要求高的 transformer。在本文中,我们提出一种 Patch 网络(PNet),它将 Swin Transformer 的思想融入卷积神经网络,使其能够在实现速度与精度平衡的同时收集更丰富的上下文信息。我们在 Polyp(CVC-ClinicDB 和 ETIS-LaribPolypDB)、Skin(ISIC-2018 皮肤病变分割挑战数据集)分割数据集上测试了我们的 PNet。我们的 PNet 在速度和精度上均达到了 SOTA 性能。
引用
@article{arxiv.2302.11802,
title = {Patch Network for medical image Segmentation},
author = {Weihu Song and Heng Yu and Jianhua Wu},
journal= {arXiv preprint arXiv:2302.11802},
year = {2023}
}
备注
11 pages, 6 pages