TexLiverNet：利用医学知识和空间-频率感知提升肝脏肿瘤分割
图像与视频处理
2024-11-08 v1 计算机视觉与模式识别
摘要
在肝脏肿瘤分割中整合文本数据与影像对于提高诊断准确性至关重要。然而，当前的多模态医学数据集仅提供通用文本注释，缺乏提取细微特征（尤其是肿瘤边界和小病灶的精细分割）所需的关键病灶特异性细节。为解决这些局限性，我们开发了带有病灶特异性文本注释的肝脏肿瘤数据集，并引入了TexLiverNet模型。TexLiverNet采用基于智能体的交叉注意力模块，将文本特征与视觉特征高效融合，显著降低了计算成本。此外，我们提出了增强的空间和自适应频率域感知，以精确描绘病灶边界、减少背景干扰并恢复小病灶中的细微细节。在公共和私有数据集上的综合评估表明，TexLiverNet的性能优于当前最先进的方法。
引用
@article{arxiv.2411.04595,
title = {TexLiverNet: Leveraging Medical Knowledge and Spatial-Frequency Perception for Enhanced Liver Tumor Segmentation},
author = {Xiaoyan Jiang and Zhi Zhou and Hailing Wang and Guozhong Wang and Zhijun Fang},
journal= {arXiv preprint arXiv:2411.04595},
year = {2024}
}