SegT：一种用于息肉分割的新型分离边缘引导 Transformer 网络
计算机视觉与模式识别
2023-06-21 v1
摘要
结肠镜息肉的准确分割被视为医学图像分析与手术干预的基础步骤。许多近期研究基于编码器-解码器框架进行了改进，能够有效分割多样化息肉。此类改进主要旨在利用全局特征并应用注意力方法来增强局部特征。然而，仅依赖最终编码器块的全局信息可能导致中间层局部区域特征丢失。此外，确定良性区域与息肉之间的边缘是一项具有挑战性的任务。为解决上述问题，我们提出一种新型分离边缘引导 transformer（SegT）网络，旨在构建有效的息肉分割模型。具体而言，采用了比现有基于 CNN 的方法学习到更鲁棒表示的 transformer 编码器。为确定息肉的精确分割，我们利用由分离器和边缘引导块组成的分离边缘引导模块。分离器块是一种双流算子，用于突出背景与前景之间的边缘，而边缘引导块位于两流之后以加强对边缘的理解。最后，使用了一种创新的级联融合模块并融合了精炼的多级特征。为评估 SegT 的有效性，我们在五个具有挑战性的公开数据集上进行了实验，所提模型取得了最先进的性能。
引用
@article{arxiv.2306.10773,
title = {SegT: A Novel Separated Edge-guidance Transformer Network for Polyp Segmentation},
author = {Feiyu Chen and Haiping Ma and Weijia Zhang},
journal= {arXiv preprint arXiv:2306.10773},
year = {2023}
}