[论文解读] DilatedSegNet: A Deep Dilated Segmentation Network for Polyp Segmentation

Nikhil Kumar Tomar, Debesh Jha+1 more|arXiv (Cornell University)|Oct 24, 2022

Colorectal Cancer Screening and Detection被引用 4

一句话总结

DilatedSegNet 是一种用于结肠镜图像中息肉分割的实时、轻量级深度学习架构，通过使用预训练的 ResNet50 编码器结合空洞卷积池化（DCP）模块和 CBAM 注意力模块，增强特征提取与边界检测能力。其在公开数据集上实现了 33.68 FPS 的推理速度，Dice 系数为 0.90，mIoU 为 0.83，展现出高精度与良好的泛化能力，适用于临床部署。

ABSTRACT

Colorectal cancer (CRC) is the second leading cause of cancer-related death worldwide. Excision of polyps during colonoscopy helps reduce mortality and morbidity for CRC. Powered by deep learning, computer-aided diagnosis (CAD) systems can detect regions in the colon overlooked by physicians during colonoscopy. Lacking high accuracy and real-time speed are the essential obstacles to be overcome for successful clinical integration of such systems. While literature is focused on improving accuracy, the speed parameter is often ignored. Toward this critical need, we intend to develop a novel real-time deep learning-based architecture, DilatedSegNet, to perform polyp segmentation on the fly. DilatedSegNet is an encoder-decoder network that uses pre-trained ResNet50 as the encoder from which we extract four levels of feature maps. Each of these feature maps is passed through a dilated convolution pooling (DCP) block. The outputs from the DCP blocks are concatenated and passed through a series of four decoder blocks that predicts the segmentation mask. The proposed method achieves a real-time operation speed of 33.68 frames per second with an average dice coefficient of 0.90 and mIoU of 0.83. Additionally, we also provide heatmap along with the qualitative results that shows the explanation for the polyp location, which increases the trustworthiness of the method. The results on the publicly available Kvasir-SEG and BKAI-IGH datasets suggest that DilatedSegNet can give real-time feedback while retaining a high \ac{DSC}, indicating high potential for using such models in real clinical settings in the near future. The GitHub link of the source code can be found here: \url{https://github.com/nikhilroxtomar/DilatedSegNet}.

研究动机与目标

• 为解决结肠镜检查中漏诊息肉的问题，该问题与间隔性结直肠癌相关。
• 开发一种适用于临床内镜工作流程集成的实时、高精度且泛化能力强的息肉分割模型。
• 通过空洞卷积和注意力机制增强编码器中的特征表示，提升分割性能。
• 通过生成突出显示关键息肉区域的热力图，确保模型的可解释性。
• 在保证高精度的同时实现计算效率，以实现在标准硬件上的部署。

提出的方法

• 网络使用预训练的 ResNet50 作为编码器，以在四个层级上提取多尺度特征图。
• 每个特征图通过空洞卷积池化（DCP）模块处理，采用并行空洞卷积，感受野扩张率分别为 1、3、6 和 9，以扩大感受野。
• DCP 模块的输出经过拼接后，输入至由上采样、跳跃连接拼接、残差块和 CBAM 注意力模块组成的解码器。
• 在最后一个解码器模块后，通过 1×1 卷积层生成最终的分割掩码。
• 模型采用标准的二元交叉熵损失和 Dice 损失进行训练，并在训练过程中应用数据增强技术。
• 通过类 Grad-CAM 的热力图增强模型可解释性，以可视化模型对息肉区域的关注程度。

实验结果

研究问题

• RQ1 轻量级、实时分割网络是否能在不牺牲推理速度的前提下实现高精度的息肉检测？
• RQ2 空洞卷积与注意力机制的融合在提升小而扁平息肉分割性能方面有何作用？
• RQ3 所提出的架构在不同临床环境下未见数据集上的泛化能力如何？
• RQ4 注意力机制与 DCP 模块在边界划分与模型鲁棒性方面是否具有显著贡献？
• RQ5 网络生成的热力图能否提供可靠的息肉定位可视化解释？

主要发现

• 在 Kvasir-SEG 数据集上，DilatedSegNet 的平均 Dice 系数（DSC）为 0.90，mIoU 为 0.83，优于九种基准方法。
• 该模型以 33.68 帧每秒的速度实时运行，参数量仅 18.11 百万，计算量为 27.1 GMac FLOPs，可在标准硬件上部署。
• 在跨数据集评估中，当在 Kvasir-SEG 上训练并在 CVC-ClinicDB 上测试时，DilatedSegNet 的 DSC 达到 0.8278，mIoU 为 0.7545，比 DeepLabv3+ 提高 1.36%（DSC）。
• 在未见的 BKAI-IGH 数据集上测试时，DilatedSegNet 的 DSC 比此前的 SOTA 模型 PraNet 高 2.47%，mIoU 高 2.97%。
• 消融实验表明，若移除 DCP 模块或 CBAM 注意力模块，DSC 下降 3.3%，mIoU 下降 3.9%，证明二者对性能具有关键作用。
• 热力图可视化结果表明，模型聚焦于息肉区域及其边界，增强了可解释性与临床信任度。