首页|前背景信息一致的边界框弱监督息肉分割网络

前背景信息一致的边界框弱监督息肉分割网络

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
准确的息肉分割对结直肠癌的诊断和治疗具有重要意义.由于标注准确的像素级掩码成本很高,现在的息肉分割方法严重受到像素标注短缺的影响,而粗略的边界框标注更易获得.因此提出一个通用性高、即插即用的弱监督组件PolypBox,其可以将现有全监督的息肉分割方法转换成仅使用边界框标注的息肉分割方法.该模块由掩码投影损失、像素表示模块、前背景搜索损失和邻域像素一致性损失组成.首先设计像素表示模块从特征图中学习每个像素的特征表示(embedding),根据边界框的位置信息,使用K-Means分别聚类属于前背景的多个原型;然后提出前背景搜索损失将边框内的像素点与前背景的原型进行搜索匹配建立约束;在边界框内部设计掩码投影损失约束模型预测息肉的位置,最后提出邻域像素一致性损失,令具有邻域相似的像素点对的息肉预测结果保持一致.为验证算法的有效性,在CVC-300和Kvasir等4个具有挑战性的数据集和mean Dice等6个指标上与主流息肉分割网络进行对比,其mean Dice达到0.810,有着不输于目前主流全监督息肉分割方法的分割性能,同时验证了该方法的通用性.
Weak supervision polyp segmentation network with consistent front background information with boundary boxes

polyp segmentationboundary boxesweak supervisionfront-background searchcontrast learningprototype learning

龙建武、刘东、宋鑫磊

展开 >

重庆理工大学 计算机科学与工程学院,重庆 400054

息肉分割 边界框 弱监督 前背景搜索 对比学习 原型学习

重庆市教育委员会科学技术研究计划青年项目国家自然科学基金青年科学基金重庆市科委基础科学与前沿技术研究重点项目重庆理工大学研究生科技创新基金重庆理工大学研究生科技创新基金

KJQN20220114861502065cstc2015jcyjBX0127gzlcx20222056gzlcx20223233

2023

10.3969/j.issn.1674-8425(z).2023.12.025

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(23)
  • 31