RAUNet：用于白内障手术器械语义分割的残差注意力U-Net
计算机视觉与模式识别
2019-10-03 v3
摘要
手术器械的语义分割在机器人辅助手术中起着关键作用。然而，由于镜面反射和类别不平衡问题，白内障手术器械的准确分割仍然是一项挑战。本文提出一种注意力引导网络来分割白内障手术器械。设计了一个新的注意力模块以学习判别性特征并解决镜面反射问题。该模块捕获全局上下文并编码语义依赖关系以强调关键语义特征，从而增强特征表示。该注意力模块参数极少，有助于节省内存，因此可灵活插入其他网络。此外，引入了一种混合损失来训练我们的网络以解决类别不平衡问题，该损失融合了交叉熵与Dice损失的对数。构建了一个名为Cata7的新数据集来评估我们的网络。据我们所知，这是首个用于语义分割的白内障手术器械数据集。基于该数据集，RAUNet取得了最先进的性能：平均Dice为97.71%，平均IOU为95.62%。
引用
@article{arxiv.1909.10360,
title = {RAUNet: Residual Attention U-Net for Semantic Segmentation of Cataract Surgical Instruments},
author = {Zhen-Liang Ni and Gui-Bin Bian and Xiao-Hu Zhou and Zeng-Guang Hou and Xiao-Liang Xie and Chen Wang and Yan-Jie Zhou and Rui-Qi Li and Zhen Li},
journal= {arXiv preprint arXiv:1909.10360},
year = {2019}
}
备注
Accepted by the 26th International Conference on Neural Information Processing (ICONIP2019). arXiv admin note: cs.CV => eess.IV cs.CV