PDSE：基于PANet与可变形压缩激励块的CT图像多病灶检测器
计算机视觉与模式识别
2025-06-05 v1
摘要
在医学图像处理中，检测CT扫描中的病灶是一项具有挑战性的任务，因为病灶的类型、大小和位置多种多样。最近，各种单阶段和双阶段框架网络被开发出来以专注于病灶定位。我们提出了一种单阶段病灶检测框架PDSE，通过重新设计RetinaNet来实现对多模态CT图像中病灶的更高精度和更高效率的检测。具体而言，我们通过引入低级特征图来增强路径聚合流。此外，为改善模型表征，我们采用了自适应压缩激励（SE）块并整合了通道特征图注意力。该方法取得了新的最先进性能。我们的方法显著改善了对小目标和多尺度目标的检测。在公共DeepLesion基准数据集上与其他先进算法进行评估时，我们的算法实现了超过0.20的mAP。
引用
@article{arxiv.2506.03608,
title = {PDSE: A Multiple Lesion Detector for CT Images using PANet and Deformable Squeeze-and-Excitation Block},
author = {Di Fan and Heng Yu and Zhiyuan Xu},
journal= {arXiv preprint arXiv:2506.03608},
year = {2025}
}
备注
MIUA 2024