RUPNet：用于实时息肉分割的残差上采样网络
图像与视频处理
2023-04-20 v2 计算机视觉与模式识别
摘要
结直肠癌是全球癌症相关死亡的最普遍原因之一。在早期阶段检测和切除息肉有助于降低死亡率，甚至防止其扩散至邻近器官。早期息肉检测可挽救全球数百万患者的生命，并减轻临床负担。然而，不同内镜医师的息肉检出率差异显著。已有众多基于深度学习的方法被提出，但多数研究侧重于提高精度。在此，我们提出一种新颖架构——残差上采样网络（RUPNet），用于结肠息肉分割，该网络可实时处理并展现出高召回率与高精度。所提架构 RUPNet 是一个编码器-解码器网络，由三个编码器、三个解码器块以及网络末端若干额外的上采样块组成。在图像尺寸为 时，所提方法实现了 152.60 帧每秒的优异实时运算速度，平均 Dice 系数为 0.7658，平均交并比为 0.6553，灵敏度为 0.8049，精度为 0.7995，F2 分数为 0.9361。结果表明，RUPNet 在保持高精度的同时可提供实时反馈，为早期息肉检测确立了良好基准。
引用
@article{arxiv.2301.02703,
title = {RUPNet: Residual upsampling network for real-time polyp segmentation},
author = {Nikhil Kumar Tomar and Ulas Bagci and Debesh Jha},
journal= {arXiv preprint arXiv:2301.02703},
year = {2023}
}
备注
Accepted SPIE Medical Imaging 2023