RTNet:用于糖尿病视网膜病变多病灶分割的关系Transformer网络
图像与视频处理
2022-01-27 v1 计算机视觉与模式识别
摘要
糖尿病视网膜病变(DR)病灶的自动分割对辅助眼科医生诊断具有重要意义。尽管已有许多关于该任务的研究,大多数先前工作过于关注网络设计,而未考虑病灶的病理关联。通过预先调研 DR 病灶的致病原因,我们发现某些病灶与特定血管邻近,并相互呈现相关模式。受此观察启发,我们提出关系 Transformer 模块(RTB),在两个主要层级引入注意力机制:自注意力 Transformer 挖掘病灶特征间的全局依赖,而交叉注意力 Transformer 通过融合有价值的血管信息实现病灶与血管特征的交互,以缓解复杂眼底结构导致的病灶检测歧义。此外,为优先捕捉微小病灶模式,我们提出全局 Transformer 模块(GTB),在深层网络中保留细节信息。通过集成上述双分支模块,我们的网络可同时分割四类病灶。在 IDRiD 和 DDR 数据集上的综合实验充分证明了本方法的优越性,其性能与当前最优(state-of-the-arts)方法相比具有竞争力。
引用
@article{arxiv.2201.11037,
title = {RTNet: Relation Transformer Network for Diabetic Retinopathy Multi-lesion Segmentation},
author = {Shiqi Huang and Jianan Li and Yuze Xiao and Ning Shen and Tingfa Xu},
journal= {arXiv preprint arXiv:2201.11037},
year = {2022}
}
备注
IEEE Transactions on Medical Imaging