基于Transformer增强的迭代反馈机制的息肉分割方法
计算机视觉与模式识别
2024-09-11 v1
摘要
结直肠癌（CRC）是美国第三大常见癌症，也是男女癌症相关死亡的第二大原因。值得注意的是，CRC是50岁以下年轻男性癌症死亡的主要原因。结肠镜检查被认为是早期诊断CRC的金标准。内镜医师的技能差异很大，漏诊率较高。自动息肉分割可以降低漏诊率，使早期及时治疗成为可能。为了应对这一挑战，我们提出了FANetv2，一种先进的编码器-解码器网络，旨在从结肠镜图像中精确分割息肉。FANetv2利用由Otsu阈值法生成的初始输入掩膜，通过一种新颖的反馈注意力机制，根据先前轮次的掩膜预测迭代优化其二元分割掩膜。此外，它还采用了一种文本引导方法，整合了关于息肉数量（单个或多个）和大小（小、中、大）的关键信息，以进一步增强其特征表示能力。这种双任务方法有助于精确的息肉分割，并辅助息肉属性的分类，显著提升了模型性能。我们在公开的BKAI-IGH和CVC-ClinicDB数据集上的综合评估证明了FANetv2的优越性能，其Dice相似系数（DSC）分别高达0.9186和0.9481，Hausdorff距离分别低至2.83和3.19。FANetv2的源代码可在https://github.com/xxxxx/FANetv2获取。
引用
@article{arxiv.2409.05875,
title = {Transformer-Enhanced Iterative Feedback Mechanism for Polyp Segmentation},
author = {Nikhil Kumar Tomar and Debesh Jha and Koushik Biswas and Tyler M. Berzin and Rajesh Keswani and Michael Wallace and Ulas Bagci},
journal= {arXiv preprint arXiv:2409.05875},
year = {2024}
}