文章快读EMCAD: Efficient Multi-scale Convolutional Attention Decoding for Medical Image Segmentation

最新推荐文章于 2025-04-01 01:22:58 发布

黑海岸的鹰

最新推荐文章于 2025-04-01 01:22:58 发布

阅读量1.8k

点赞数 9

分类专栏： CVPR论文阅读文章标签：计算机视觉深度学习人工智能

本文链接：https://blog.csdn.net/weixin_55718227/article/details/144092628

版权

CVPR论文阅读专栏收录该内容

1 篇文章

订阅专栏

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

CVPR2024最新文章，用于医疗图像分割

1.摘要

本文介绍了一种名为EMCAD（Efficient Multi-scale Convolutional Attention Decoding）的新方法，旨在优化医学图像分割中的解码机制，特别是在计算资源有限的情况下。EMCAD通过引入一种高效的多尺度卷积注意力解码器，显著提高了分割性能和计算效率。该方法在12个医学图像分割基准数据集上进行了评估，结果显示，EMCAD在显著减少参数数量和浮点运算次数（FLOPs）的同时，达到了最先进的性能。

2.背景与动机

在医学诊断和治疗策略中，自动化医学图像分割至关重要，因为它可以对图像中的像素进行分类，从而识别出关键区域，如病变、肿瘤或整个器官。尽管基于U-Net等U型卷积神经网络（CNN）的架构在医学图像分割中取得了显著成果，但这些方法通常面临计算成本高的问题。此外，随着视觉变换器（Vision Transformers, ViTs）的兴起，尽管它们能够捕捉像素之间的长距离依赖关系，但在理解局部空间上下文方面仍有所欠缺。

这篇文章提出了一种名为EMCAD（Efficient Multi-scale Convolutional Attention Decoding）的高效多尺度卷积注意力解码器，用于医疗图像分割。
EMCAD旨在优化性能和计算效率，通过使用独特的多尺度深度卷积块来增强特征图，并通过通道空间和分组（大核）门控注意力机制来捕获复杂的空间关系，同时关注显著区域。
EMCAD在12个数据集上进行了评估，这些数据集涵盖了六种不同的2D医疗图像分割任务，结果显示EMCAD在参数和FLOPs（浮点运算次数）上实现了显著的减少，同时保持了最先进的性能。

三、方法概述

文章主要包括多尺度深度卷积注意力模块（MSCAM）、大型核分组注意力门（LGAG）和高效的上采样块（EUCB）三个模块
在这里插入图片描述文章结构如图，融合了多种深度学习技术来实现图像的高分辨率重建。

四、模块功能

1.多阶段特征提取

通过Stage 1至Stage 4的卷积神经网络阶段，逐步提取输入视频的低级到高级特征，每个阶段都降低空间分辨率并增加通道数，以捕捉更丰富的信息。
具体来说，它计算了来自解码器不同阶段预测图的组合损失，并在训练过程中最小化这些损失的总和。在测试阶段，它将来自解码器最后阶段的预测图作为最终分割结果。
通过与其他组件的协同工作，EMCAD能够在保持高效计算的同时，实现高精度的医学图像分割。

2.大核分组注意力门

LGAG用于融合来自跳跃连接的特征图与MSCAM处理的特征图。它采用大核（3x3）分组卷积来捕捉更大的局部上下文，并通过Sigmoid激活函数生成注意力权重，从而控制信息的流动。与标准的注意力门相比，LGAG在保持性能的同时显著降低了计算成本。

3.多尺度上下文聚合（MSCAM）

MSCAM是EMCAD的核心组件，它通过多尺度深度卷积块（MSCB）来增强特征图。MSCB采用深度卷积代替标准卷积，以显著降低计算成本。MSCAM还结合了通道注意力块（CAB）和空间注意力块（SAB），以分别强调相关通道和捕捉局部上下文信息。具体步骤如下：

通道注意力块（CAB）：通过自适应最大池化和自适应平均池化提取特征图的全局信息，然后使用1x1卷积和激活函数来生成通道注意力权重，最终与输入特征图进行哈德玛德积运算，以增强相关通道的表达。
空间注意力块（SAB）：首先沿通道维度进行最大池化和平均池化，然后使用大核卷积（如7x7）增强局部上下文关系，并通过Sigmoid激活函数生成空间注意力权重，最后与输入特征图进行哈德玛德积运算，以强调重要的空间位置。
多尺度深度卷积块（MSCB）：使用多个尺度的深度卷积核（如1x1、3x3、5x5）来提取多尺度特征，并通过通道洗牌操作来融合不同尺度的信息，增强特征图的表达能力。