PSTNet：基于多尺度对齐与频域融合的增强型息肉分割
计算机视觉与模式识别
2024-09-16 v1
摘要
在结肠镜检查图像中准确分割结直肠息肉对于结直肠癌（CRC）的有效诊断和管理至关重要。然而，当前基于深度学习的方法主要依赖于跨多个尺度融合 RGB 信息，由于 RGB 域信息的局限性以及多尺度聚合过程中特征不对齐的挑战，导致在准确识别息肉方面存在局限。为了解决这些局限性，我们提出了带有分流 Transformer 的息肉分割网络（PSTNet），这是一种集成图像中 RGB 和频域线索的新方法。PSTNet 包含三个关键模块：用于提取频域线索并捕捉息肉特征的频率表征注意力模块（FCAM），用于对齐语义信息并减少不对齐噪声的特征补充对齐模块（FSAM），以及用于协同频域线索与高级语义以实现高效息肉分割的交叉感知定位模块（CPM）。在具有挑战性的数据集上进行的大量实验表明，PSTNet 在各项指标上显著提高了息肉分割精度，始终优于 SOTA 方法。频域线索的集成和 PSTNet 的新颖架构设计有助于推进计算机辅助息肉分割，促进 CRC 更准确的诊断和管理。
关键词
引用
@article{arxiv.2409.08501,
title = {PSTNet: Enhanced Polyp Segmentation with Multi-scale Alignment and Frequency Domain Integration},
author = {Wenhao Xu and Rongtao Xu and Changwei Wang and Xiuli Li and Shibiao Xu and Li Guo},
journal= {arXiv preprint arXiv:2409.08501},
year = {2024}
}