CircleFormer：基于圆形查询和注意力的全切片图像中的圆形细胞核检测
摘要：使用基于CNN和基于Transformer的边界框表示的目标检测方法在计算机视觉和医学图像分析中得到了广泛研究，但在医学图像中的圆形目标检测仍然不够深入。受到最近在肾脏病理学中用于球形肾小球检测的无锚点CNN方法（CircleNet）的启发，本文提出了CircleFormer，一种基于Transformer的圆形医学目标检测方法，采用动态锚圆。具体而言，Transformer解码器中具有圆形表示的查询迭代地优化圆形目标检测结果，并引入圆形交叉注意力模块来计算圆形查询和图像特征之间的相似性。还提出了广义圆形IoU（gCIoU）作为新的圆形目标检测回归损失。此外，我们的方法通过添加一个简单的分割分支，可以轻松推广到分割任务中。我们在公共的MoNuSeg数据集上对圆形细胞核的检测和分割进行了评估，实验结果表明我们的方法与现有方法相比具有良好的性能。同时，通过消融研究验证了每个组成部分的有效性。我们的代码已在https://github.com/zhanghx-iim-ahu/CircleFormer上发布。
作者：Hengxu Zhang, Pengpeng Liang, Zhiyong Sun, Bo Song, Erkang Cheng
论文ID：2308.16145
分类：Computer Vision and Pattern Recognition
分类简称：cs.CV
提交时间：2023-09-01