Sign In

MicroAUNet: Boundary-Enhanced Multi-scale Fusion with Knowledge Distillation for Colonoscopy Polyp Image Segmentation

Created by
  • Haebom
Category
Empty

저자

Ziyi Wang, Yuanmei Zhang, Dorna Esrafilzadeh, Ali R. Jalili, Suncheng Xiang

개요

결장 용종의 조기 및 정확한 분할은 결장암 사망률 감소에 중요하며, 이를 위해 MicroAUNet을 제안한다. MicroAUNet은 경량화된 attention 기반 분할 네트워크로, 깊이별 분리 가능 팽창 컨볼루션과 단일 경로, 매개변수 공유 채널-공간 어텐션 블록을 결합하여 다중 스케일 경계 특징을 강화한다. 또한, 고용량 교사로부터 의미론적 및 경계 단서를 전송하기 위해 점진적인 2단계 지식 증류 방식을 도입했다. 벤치마크 실험 결과, 매우 낮은 모델 복잡성 하에서 최첨단 정확도를 보여 MicroAUNet이 실시간 임상 용종 분할에 적합함을 입증했다.

시사점, 한계점

경량화된 아키텍처를 통해 실시간 결장 내시경 응용 프로그램에 적합한 모델을 제시.
높은 정확도를 유지하면서도 모델 복잡성을 낮춤.
지식 증류 방식을 사용하여 성능을 향상시킴.
모델의 일반화 성능에 대한 추가적인 연구가 필요할 수 있음.
다른 의료 영상 데이터에 대한 적용 가능성을 추가적으로 검증해야 함.
👍