PraNet: Parallel Reverse Attention Networkfor Polyp Segmentation

Tittle:用于息肉分割的并行反向注意力网络

摘要

准确的息肉分割主要面临着两个难点：1）相同类型的息肉有不同的大小，颜色和纹理。2）息肉与周围粘膜的边界模糊不清晰。

为了解决这些挑战本文提出了一种并行反向注意网络ParNet。具体来说首先使用并行局部解码器（PPD）在高级层中聚合特征，基于组合的特征，生成一个全局信息特征图。此外我们利用反向注意模块来挖掘边界线索，这个模块可以建立区域和边界线索之间的关系。并且由于区域和边界的循环合作机制，网络能够能够校正一些错误的预测结果.

Introduction

在本文中提出了一种新的深度神经网络，称为并行反向注意网络（PraNet），本文认为面积和边界是区分正常组织和息肉的两个关键特征。本文的方法是先预测粗区域，然后通过反向注意的方式隐式建模边界。

本文的主要贡献在于三个方面：1）本文的网络通过使用并行部分解码器PPD聚合高级层中的特征，组合的特征获取上下文信息并生成一个全局映射，作为后续步骤的初始指导区域。利用一组循环反注意（RA）模块来建立区域和边界线索之间的关系2）介绍了几种新的息肉分割评价指标。

方法

下图显示了本文提出的网络结构，它利用并行局部解码器生成高级语义全局图，并利用一组反向注意模块精确分割息肉。

基于并行局部解码器的特征聚合

目前流行的医学图像分割网络通常依赖于UNet[22]或类似U-Net的网络(如u - net++