SDF-Net：一种用于对比CT图像中胸腔淋巴结检测的混合检测网络
计算机视觉与模式识别
2024-09-11 v1
摘要
准确检测和量化淋巴结对于癌症诊断和分期至关重要，因为它们影响治疗计划和预后。然而，在胸腔区域检测淋巴结具有挑战性，主要due to其低对比度、不规则形状和分散的分布。本文提出一种Swin-Det融合网络（SDF-Net）以有效检测淋巴结。SDF-Net整合了分割和检测网络的特征，以增强对不同形状和大小淋巴结的检测能力。具体而言，设计了一个自动融合模块，在不同层级合并分割和检测网络的特征图。为促进无掩码注释的有效学习，我们引入形状自适应高斯核来表示训练中的淋巴结，并为有效学习提供更多解剖信息。比较结果表明，SDF-Net在解决复杂淋巴结检测问题方面表现出有前景的性能。
引用
@article{arxiv.2409.06324,
title = {SDF-Net: A Hybrid Detection Network for Mediastinal Lymph Node Detection on Contrast CT Images},
author = {Jiuli Xiong and Lanzhuju Mei and Jiameng Liu and Dinggang Shen and Zhong Xue and Xiaohuan Cao},
journal= {arXiv preprint arXiv:2409.06324},
year = {2024}
}
备注
10 pages, 4 figures