xiongxyowo的博客

下载链接：https://www.dropbox.com/s/p5qe9eotetjnbmq/CVC-ClinicDB.rar?下载链接：https://datasets.simula.no/downloads/kvasir-seg.zip。项目地址：http://mv.cvc.uab.es/projects/colon-qa/cvc-colondb。Kvasir-SEG的子集，包含196张条状的较为困难的息肉图像以及对应的标注。为目前最大型的息肉数据集，包含36458张息肉图像以及对应的标注。

准确的息肉分割对结直肠癌的诊断和治疗具有重要意义。然而，由于产生准确的mask注释的成本很高，现有的息肉分割方法存在严重的数据短缺和模型泛化受损的问题。反之，粗略的息肉边界盒注释更容易获得。因此，在本文中，我们提出了一个提升的BoxPolyp模型，以充分利用准确的mask和额外的coarse bounding box注释。在实现中，box注释被应用于缓解以前的息肉分割模型的过拟合问题，该模型通过迭代的提升分割模型生成细粒度的息肉区域。

结直肠息肉的鉴别是一项重要的临床检查。需要一个计算机辅助诊断系统来协助从结肠镜图像中进行准确诊断。以前的研究大多试图利用窄带成像(Narrow-Band Imaging, NBI)或其他增强图像来开发息肉的鉴别模型。然而，由于成像技术的滞后，这些模型在临床工作中的广泛应用受到限制。因此，我们提出了一个基于教师-学生结构的新型框架，通过在检查中直接使用白光(White-Light, WL)结肠镜图像来实现准确的结直肠息肉分类(Colorectal Polyp Classification, CPC)。...

论文地址：https://arxiv.org/abs/2108.00882代码：https://github.com/weijun88/SANet发表于：MICCAI’21Abstract准确的息肉分割对结直肠癌的诊断具有重要意义。然而，即使拥有强大的深度神经网络，仍然存在三大挑战，阻碍了息肉分割的发展。(i）在不同条件下采集的样本显示出不一致的颜色，造成特征分布差距和过拟合问题；（ii）由于反复的特征降采样，小息肉容易退化；（iii）前景和背景像素不平衡，导致训练有偏差。为了解决上述问题，我们提出

论文地址：https://arxiv.org/abs/2108.05082代码：https://github.com/Xiaoqi-Zhao-DLUT/MSNet发表于：MICCAI’21Abstract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

只非常简单找了一小小部分，不保证时效性以及覆盖性广告：目前也在做息肉分割方向(很菜)，欢迎私信学术讨论交流DATASET[paper] [repo] [Kvasir-SEG]Kvasir-SEG: A Segmented Polyp Dataset[paper] [repo] [EndoScene]A Benchmark for Endoluminal Scene Segmentation of Colonoscopy Images[paper] [repo] [CVC-Clin

内容简介这个网络是用来做息肉分割的(不过在思想上像SOD，这里的显著对象就可以认为是息肉)主要的点在于提出了一堆比较新鲜的模块(LCA、GCM、ASM)LCA(Local Context Attention)局部上下文注意力模块。长这样：所谓“局部”即对更容易出错的复杂区域(如边缘)进行学习。对于某个中间Decoder层的输出Prediction，将其放入一个公式计算：Attij=1−∣pi+1j−T∣max⁡(T,1−T)A t t_{i}^{j}=1-\frac{\left|p_{i

论文地址：https://arxiv.org/abs/2108.06932代码：https://github.com/DengPingFan/Polyp-PVT发表于：IEEE TMI’22Abstract大多数息肉分割方法使用CNN作为其骨干，导致在编码器和解码器之间交换信息时出现两个关键问题：1)考虑到不同级别特征之间的贡献差异；2)设计一个有效的机制来融合这些特征。与现有的基于CNN的方法不同，我们采用了一个Transformer编码器，它可以学习到更强大和稳健的表征。此外，考虑到图像采集的影