PraNet-V2：基于双重监督逆注意力的医学图像分割
计算机视觉与模式识别
2026-01-21 v2
摘要
精准的医学图像分割对于有效诊断和治疗至关重要。此前，提出了 PraNet-V1 通过引入逆注意力（RA）模块来利用背景信息来增强结肠黏膜分割，但 PraNet-V1 在多类别分割任务上存在困难。为此，我们提出 PraNet-V2 相较于 PraNet-V1 能有效完成更广泛的任务，包括多类别分割。PraNet-V2 的核心是双重监督逆注意力（Dual-Supervised Reverse Attention, DSRA）模块，包含显式背景监督、独立背景建模和语义丰富注意力融合。我们的方法在四个结肠黏膜分割数据集上表现出色。此外，通过将 DSRA 集成到三个最新语义分割模型中以迭代方式增强前景分割结果，我们实现了平均 Dice 评分提升最高达 1.36%。代码已公开：https://github.com/ai4colonoscopy/PraNet-V2/tree/main/binary_seg/jittor。
引用
@article{arxiv.2504.10986,
title = {PraNet-V2: Dual-Supervised Reverse Attention for Medical Image Segmentation},
author = {Bo-Cheng Hu and Ge-Peng Ji and Dian Shao and Deng-Ping Fan},
journal= {arXiv preprint arXiv:2504.10986},
year = {2026}
}
备注
Accepted to Computational Visual Media (CVMJ) 2026. 4 tables 3 figures 8 pages