用于肺结节与肿块分割的尺度感知测试时点击自适应
图像与视频处理
2023-07-31 v1 计算机视觉与模式识别
机器学习
摘要
肺结节与肿块是肺癌筛查中的关键影像特征，在临床诊断中需要审慎处理。尽管基于深度学习的医学图像分割已取得成效，但在不同尺寸的结节与肿块病灶上保持鲁棒性能仍具挑战。本文中，我们提出一种具有尺度感知测试时自适应的多尺度神经网络以应对该挑战。具体而言，我们引入一种基于易获取的病灶点击作为测试时线索的自适应尺度感知测试时点击自适应方法，以提升分割性能，尤其针对大病灶。所提方法可无缝集成至现有网络中。在开源与内部数据集上的大量实验一致证明了该方法相对于若干基于 CNN 与 Transformer 的分割方法的有效性。我们的代码见 https://github.com/SplinterLi/SaTTCA
引用
@article{arxiv.2307.15645,
title = {Scale-aware Test-time Click Adaptation for Pulmonary Nodule and Mass Segmentation},
author = {Zhihao Li and Jiancheng Yang and Yongchao Xu and Li Zhang and Wenhui Dong and Bo Du},
journal= {arXiv preprint arXiv:2307.15645},
year = {2023}
}
备注
11 pages, 3 figures, MICCAI 2023