SAM引导的融合网络用于咽喉咽部肿瘤检测
计算机视觉与模式识别
2024-08-16 v2
摘要
咽喉咽部癌（LPC）是一种高度致命的头颈部恶性疾病。以前针对内窥镜肿瘤检测、特别是利用双分支网络架构的研究，已在肿瘤检测方面取得了显著的进展。这些研究突出了双分支网络在通过有效整合全局和局部（病灶）特征提取方面提高诊断准确性的潜力。然而，这些研究在准确定位病灶区域和捕获全局和局部分支之间判别性特征信息方面的能力仍受限。为此，我们提出一种新型的SAM引导的融合网络（SAM-FNet），用于咽喉咽部肿瘤检测。该网络采用双分支结构。通过利用Segment Anything Model（SAM）的强大对象分割能力，我们将SAM引入SAM-FNet，以准确分割病灶区域。此外，我们提出了类似GAN的特征优化（GFO）模块，用于捕获全局和局部分支之间的判别性特征，增强融合特征的互补性。此外，我们收集了来自中山大学附属第一医院（FAHSYSU）和附属第六医院（SAHSYSU）的两个LPC数据集。FAHSYSU数据集用于训练模型，SAHSYSU数据集用于评估模型性能。在FAHSYSU和SAHSYSU两个数据集上的大量实验表明，SAM-FNet能够取得具竞争力的结果，优于现有最先进的方法。SAM-FNet的源代码可在https://github.com/VVJia/SAM-FNet访问。
引用
@article{arxiv.2408.05426,
title = {SAM-FNet: SAM-Guided Fusion Network for Laryngo-Pharyngeal Tumor Detection},
author = {Jia Wei and Yun Li and Meiyu Qiu and Hongyu Chen and Xiaomao Fan and Wenbin Lei},
journal= {arXiv preprint arXiv:2408.05426},
year = {2024}
}