基于特征感知注意力与不确定性引导的肺结节分割
图像与视频处理
2022-06-08 v4 计算机视觉与模式识别
摘要
由于放射科医生训练与临床经验不同，他们可能对同一肺结节给出不同分割标注。传统研究默认选取单一标注作为学习目标，却浪费了多重标注中固有的共识或分歧的宝贵信息。本文提出不确定性引导分割网络（UGS-Net），从可能引发分割不确定性的区域学习丰富视觉特征，从而获得更好的分割结果。借助不确定性感知模块，该网络可提供多置信度掩码（MCM），指出具不同分割不确定性水平的区域。此外，本文引入特征感知注意力模块以增强对结节边界与密度差异的学习。实验结果表明，我们的方法能预测具不同不确定性水平的结节区域，并在 LIDC-IDRI 数据集上取得优越性能。
引用
@article{arxiv.2110.12372,
title = {Uncertainty-Guided Lung Nodule Segmentation with Feature-Aware Attention},
author = {Han Yang and Lu Shen and Mengke Zhang and Qiuli Wang},
journal= {arXiv preprint arXiv:2110.12372},
year = {2022}
}
备注
10 pages, 4 figures, 30 references