论文地址:https://arxiv.org/abs/2108.05082
代码:https://github.com/Xiaoqi-Zhao-DLUT/MSNet
发表于:MICCAI’21
Abstract
超过90%的结直肠癌是由结直肠息肉逐渐转化而来。在临床实践中,精确的息肉分割为结直肠癌的早期检测提供了重要信息。因此,自动息肉分割技术对病人和医生都非常重要。大多数现有的方法都是基于U型结构,在解码器中使用元素加法或连接法来逐步融合不同层次的特征。然而,这两种操作都容易产生大量的冗余信息,从而削弱了不同层次特征之间的互补性,导致定位不准确和息肉的边缘模糊不清。为了应对这一挑战,我们提出了一个多尺度减法网络(MSNet)来分割结肠镜图像中的息肉。具体来说,我们首先设计了一个减法单元(SU)来产生编码器中相邻层次之间的差异特征。然后,我们以金字塔方式为不同级别的减法单元配备不同的感受野,从而获得丰富的多尺度差异信息。此外,我们建立了一个无需训练的网络 "LossNet "来全面监督从底层到顶层的多角体感知特征,这促使MSNet同时捕获细节和结构线索。在五个基准数据集上进行的广泛实验表明,我们的MSNet在不同的评估指标下与大多数最先进的方法相比表现良好。此外,在处理352×352的图像时,MSNet的实时运行速度为∼70fps。
I. Architecture
很暴力,金字塔结构的实质decoder,能融合的都融合个遍,这样从道理上看就不存在丢失局部信息或者全局信息的说法了,不过这个结构有点像这两年AAAI上某篇做显著性的文章。
II. Multi-scale Subtraction Module(MS)
这个东西就是金字塔Decoder的基本组成单元了(上图中的绿色块块),虽然很简单,但是操作其实特别有意思: S U = Conv ( ∣ F A ⊖ F B ∣ ) S U=\operatorname{Conv}\left(\left|F_{A} \ominus F_{B}\right|\right) SU=Conv(∣FA⊖FB∣) 其中 F A F_A FA F B F_B FB为相邻特征。这里最神奇的一点是,将两个特征相减然后送进去(正常来说特征融合是add或concat)。文中也没做消融研究把这个变成add试一试之类的,属于看起来不work但反正就work了的东西。
III. LossNet
其实就是VGG Loss,但是VGG Loss是用来判断两张图像的感官相似性,对于这种比较吃像素级准确性的分割任务来说可能没那么必要,但反正work了。