RTA-Former：用于息肉分割的反向变换器注意力
图像与视频处理
2024-12-24 v2 计算机视觉与模式识别
机器学习
摘要
息肉分割是结直肠癌预防的关键环节，能够实现早期检测并指导后续治疗。包括深度学习解决方案在内的智能诊断工具被广泛探索，以简化和潜在自动化这一过程。然而，即使有许多强大的网络架构，仍然存在产生精确边缘分割的问题。在本文中，我们介绍了一种新颖的网络，即RTA-Former，它采用变换器模型作为编码器主干，并在解码器中创新性地将反向注意力（RA）与变换器阶段相结合，以增强边缘分割。实验结果表明，RTA-Former在五个息肉分割数据集上达到了最先进的性能。RTA-Former的强大能力有望提高基于变换器的息肉分割的准确性，从而可能带来更好的临床决策和患者预后。我们的代码已在GitHub上公开。
引用
@article{arxiv.2401.11671,
title = {RTA-Former: Reverse Transformer Attention for Polyp Segmentation},
author = {Zhikai Li and Murong Yi and Ali Uneri and Sihan Niu and Craig Jones},
journal= {arXiv preprint arXiv:2401.11671},
year = {2024}
}
备注
The paper has been accepted by EMBC 2024