[논문 리뷰] MEGANet: Multi-Scale Edge-Guided Attention Network for Weak Boundary Polyp Segmentation

Nhat-Tan Bui, Dinh-Hieu Hoang외 3명|arXiv (Cornell University)|2023. 09. 06.

Colorectal Cancer Screening and Detection인용 수 7

한 줄 요약

MEGANet는 고주파 에지 특징과 해독된 경계/역방향 주의를 활용하여 약한 경계 상황에서 경계 구분을 개선하는 다중 스케일 에지 가이드 주의 프레임워크를 도입한다.

ABSTRACT

Efficient polyp segmentation in healthcare plays a critical role in enabling early diagnosis of colorectal cancer. However, the segmentation of polyps presents numerous challenges, including the intricate distribution of backgrounds, variations in polyp sizes and shapes, and indistinct boundaries. Defining the boundary between the foreground (i.e. polyp itself) and the background (surrounding tissue) is difficult. To mitigate these challenges, we propose Multi-Scale Edge-Guided Attention Network (MEGANet) tailored specifically for polyp segmentation within colonoscopy images. This network draws inspiration from the fusion of a classical edge detection technique with an attention mechanism. By combining these techniques, MEGANet effectively preserves high-frequency information, notably edges and boundaries, which tend to erode as neural networks deepen. MEGANet is designed as an end-to-end framework, encompassing three key modules: an encoder, which is responsible for capturing and abstracting the features from the input image, a decoder, which focuses on salient features, and the Edge-Guided Attention module (EGA) that employs the Laplacian Operator to accentuate polyp boundaries. Extensive experiments, both qualitative and quantitative, on five benchmark datasets, demonstrate that our MEGANet outperforms other existing SOTA methods under six evaluation metrics. Our code is available at https://github.com/UARK-AICV/MEGANet.

연구 동기 및 목표

• 강건한 경계가 약한 경계 및 복잡한 점막에서 폴립 분할의 강건성을 달성하는 동기를 제시합니다.
• 다중 스케일에서 폴립 경계에 초점을 맞추기 위한 에지 가이드 주의 메커니즘을 개발합니다.
• 고주파 에지 정보와 해독된 주의를 활용하여 분할 정확도를 향상시킵니다.

제안 방법

• Laplacian 피라미드에서 고주파 특징을 받아 경계 영역으로 주의를 가이드하는 에지 가이드 주의(EGA) 모듈을 도입합니다.
• 각 층에서 해독된 예측 특징이 경계 주의와 역주의로 분해되어 예측치를 정제하도록 합니다.
• 경계 주의와 역주의를 결합하여 객체 영역을 강조하고 배경 누출을 억제합니다.
• 에지 가이드 단서를 디코더 수준에 걸쳐 전달하기 위해 다중 스케일 인코더-디코더 아키텍처 내에서 작동합니다.
• 고주파 특징을 시각화하고 활용하여 폴립 경계 구분에 중요한 질감과 경계 디테일을 보존합니다.

실험 결과

연구 질문

• RQ1 약한 경계 폴립 분할에서 고주파 에지 정보가 경계 정밀도를 어떻게 개선할 수 있는가?
• RQ2 다중 스케일에서의 에지 가이드 주의 메커니즘이 다양한 데이터세트에서 폴립 경계 구분을 일관되게 향상시킬 수 있는가?
• RQ3 해독된 특징을 경계 주의와 역주의로 분해하는 것이 분할 품질에 어떤 영향을 미치는가?
• RQ4 라플라시안 기반 경계 주의가 다중 스케일 디코딩과 어떤 상호 작용을 통해 전반적인 분할을 개선하는가?

주요 결과

• 에지 가이드 주의 모듈은 라플라시안 피라미드의 고주파 특징으로 경계 영역을 강조하여 디코더 계층이 폴립의 가장자리에 집중하도록 한다.
• 해독된 특징을 경계 주의와 역주의로 분해하면 폴립과 주변 점막 간 구분이 개선된다.
• 경계 주의와 역주의를 결합하면 모델이 전체 객체 영역을 인식하고 배경 노이즈를 억제하는 데 도움이 된다.
• 다중 스케일 가이드와 에지 정보를 보존하여 약한 경계 상황에서 경계 정확성에 중점을 둔다.