再思而后行：基于特征反馈的受临床启发甲状腺超声病灶检测
计算机视觉与模式识别
2023-05-25 v1
摘要
甲状腺病灶的准确检测是计算机辅助诊断的关键环节。然而，现有大多数检测方法仅执行一次特征提取过程，随后融合多尺度特征，这易受超声图像中噪声与模糊特征的影响。本研究受临床诊断启发，提出一种基于特征反馈机制的新型检测网络。该机制先粗略观察整体图像，再聚焦于感兴趣的细节。其包含两部分：反馈特征选择模块与特征反馈金字塔。反馈特征选择模块在空间和通道维度上高效筛选第一阶段提取的特征，生成高语义先验知识，类似于粗略观察。特征反馈金字塔随后利用该高语义先验知识增强第二阶段的特提取并自适应融合两次特征，类似于精细观察。此外，鉴于放射科医生常关注病灶形状与大小进行诊断，我们提出自适应检测头策略以聚合多尺度特征。所提方法在甲状腺超声数据集上取得 70.3% 的 AP 与 99.0% 的 AP50，并满足实时性要求。代码见 https://github.com/HIT-wanglingtao/Thinking-Twice。
引用
@article{arxiv.2305.15114,
title = {Thinking Twice: Clinical-Inspired Thyroid Ultrasound Lesion Detection Based on Feature Feedback},
author = {Lingtao Wang and Jianrui Ding and Fenghe Tang and Chunping Ning},
journal= {arXiv preprint arXiv:2305.15114},
year = {2023}
}
备注
20 pages, 11 figures, released code for https://github.com/HIT-wanglingtao/Thinking-Twice