用于全切片图像中癌症分割的结构感知尺度自适应网络
图像与视频处理
2021-09-28 v1 计算机视觉与模式识别
机器学习
摘要
全切片图像中的癌症分割是可行的肿瘤负荷评估的基础步骤，对癌症评估具有重要价值。然而，模糊边界或与可行肿瘤区域脱离的小区域等因素使其成为一项具有挑战性的任务。考虑到多尺度特征在各种视觉相关任务中的有用性，我们提出了一种结构感知尺度自适应特征选择方法，用于高效且准确的癌症分割。基于具有流行编码器-解码器架构的分割网络，提出了一个尺度自适应模块，用于选择更鲁棒的特征来表示模糊的、非刚性的边界。此外，提出了一种结构相似性度量，以更好地感知组织结构，从而处理小区域分割。另外，包括若干注意力机制和选择性核卷积在内的先进设计被应用于基线网络以进行对照研究。大量实验结果表明，所提出的结构感知尺度自适应网络在 PAIP 2019 挑战赛中与排名前十的提交结果相比，在肝癌分割上取得了出色的性能。对结直肠癌分割的进一步评估表明，在考虑效率与准确性权衡时，尺度自适应模块改进了基线网络或优于其他优秀的注意力机制设计。
引用
@article{arxiv.2109.12617,
title = {Structure-aware scale-adaptive networks for cancer segmentation in whole-slide images},
author = {Yibao Sun and Giussepi Lopez and Yaqi Wang and Xingru Huang and Huiyu Zhou and Qianni Zhang},
journal= {arXiv preprint arXiv:2109.12617},
year = {2021}
}