[论文解读] MixModule: Mixed CNN Kernel Module for Medical Image Segmentation

Henry Yu, Feng Xue+2 more|arXiv (Cornell University)|Oct 19, 2019

Advanced Neural Network Applications参考文献 26被引用 4

一句话总结

本文提出 MixModule，一种新型卷积神经网络模块，通过融合多种卷积核尺寸（3×3、5×5、7×7）来捕捉医学图像分割中的多尺度上下文特征。通过将 U-Net 及其变体（U-Net、R2U-Net、Attention U-Net）中的单尺寸卷积核替换为 MixModule，显著提升了特征表示能力，在三个医学图像分割基准上均实现了最先进性能，Dice 分数及其他指标均有稳定提升。

ABSTRACT

Convolutional neural networks (CNNs) have been successfully applied to medical image classification, segmentation, and related tasks. Among the many CNNs architectures, U-Net and its improved versions based are widely used and achieve state-of-the-art performance these years. These improved architectures focus on structural improvements and the size of the convolution kernel is generally fixed. In this paper, we propose a module that combines the benefits of multiple kernel sizes and we apply the proposed module to U-Net and its variants. We test our module on three segmentation benchmark datasets and experimental results show significant improvement.

研究动机与目标

• 为解决医学图像分割网络中固定尺寸卷积核的局限性，这些卷积核可能无法捕捉多样的感受野。
• 通过融合不同卷积核尺寸的多尺度上下文信息，提升 U-Net 及其变体中的特征表示能力。
• 开发一种即插即用的模块，无需对网络架构进行大规模修改即可提升分割性能。
• 在数据量有限的多样化医学影像任务中，验证所提出模块的有效性。

提出的方法

• MixModule 在同一输入特征图上并行应用 3×3、5×5 和 7×7 卷积核，以捕捉多尺度空间特征。
• 多个卷积核的输出沿通道维数拼接，形成统一的多感受野表示。
• 该模块被设计为 U-Net 及其变体（包括 R2U-Net 和 Attention U-Net）中标准卷积模块的即插即用替代品。
• 方法采用标准的 ReLU 激活函数和批量归一化，通过拼接操作处理特征图，以保持空间分辨率。
• 该架构保留了 U-Net 的跳跃连接设计，确保训练过程中获得高分辨率监督。
• 模块采用 Adam 优化器进行端到端训练，配合学习率衰减和数据增强（旋转、翻转、亮度、对比度、平移）。

实验结果

研究问题

• RQ1 结合多种卷积核尺寸是否能提升医学图像分割网络中的特征表示能力？
• RQ2 所提出的 MixModule 是否在不同 U-Net 变体和数据集上均能持续提升性能？
• RQ3 与标准单核卷积模块相比，MixModule 在分割准确性和鲁棒性方面表现如何？
• RQ4 MixModule 是否能有效处理标注数据有限的小型医学图像数据集？

主要发现

• 在皮肤病变数据集中，MixU-Net 的 Dice 分数达到 0.7673，优于标准 U-Net（0.7645）及其他所有变体。
• 在 DRIVE 视网膜血管分割数据集中，MixAttU-Net 的 Dice 分数达到 0.6820，超过标准 AttU-Net（0.6617）及其他基线模型。
• 在 CHASE_DB1 数据集中，MixAttU-Net 的 Dice 分数达到 0.6636，优于标准 AttU-Net（0.6457）和 R2U-Net（0.6378）。
• 基于 MixModule 的模型在所有三个数据集中均实现了最高的 F1 分数和 Dice 系数，表明分割鲁棒性显著提升。
• MixU-Net 模型在皮肤数据集上达到 95.12% 的准确率，高于标准 AttU-Net 的 94.96%。
• 消融实验结果证实，多尺度卷积核融合显著增强了特征学习能力，尤其在捕捉细粒度结构（如血管和病灶边界）方面表现突出。