TransResU-Net：基于Transformer的ResU-Net用于实时结肠镜息肉分割
图像与视频处理
2022-06-22 v1 计算机视觉与模式识别
摘要
结直肠癌（CRC）是全球范围内癌症及癌症相关死亡的最常见原因之一。及时进行结肠癌筛查是早期发现的关键。结肠镜是诊断结肠癌的主要手段。然而，息肉、腺瘤和进展期腺瘤的漏诊率仍然很高。在癌前阶段早期发现息肉有助于降低结直肠癌相关的死亡率和经济负担。基于深度学习的计算机辅助诊断（CADx）系统可以帮助胃肠病学家识别可能被遗漏的息肉，从而提高息肉检出率。此外，CADx系统可能成为一种具有成本效益的系统，改善长期的结直肠癌预防。在本研究中，我们提出了一种用于自动息肉分割的深度学习架构，称为Transformer ResU-Net（TransResU-Net）。我们提出的架构以ResNet-50为骨干构建于残差块之上，并利用了Transformer自注意力机制以及空洞卷积的优势。我们在两个公开可用的息肉分割基准数据集上的实验结果表明，TransResU-Net获得了极具前景的Dice分数和实时速度。凭借我们性能指标的高效能，我们得出结论，TransResU-Net可以成为构建用于结直肠癌早期诊断、治疗和预防的实时息肉检测系统的强大基准。所提出的TransResU-Net的源代码在https://github.com/nikhilroxtomar/TransResUNet上公开可用。
引用
@article{arxiv.2206.08985,
title = {TransResU-Net: Transformer based ResU-Net for Real-Time Colonoscopy Polyp Segmentation},
author = {Nikhil Kumar Tomar and Annie Shergill and Brandon Rieders and Ulas Bagci and Debesh Jha},
journal= {arXiv preprint arXiv:2206.08985},
year = {2022}
}