[论文阅读] A Multi-branch Hybrid Transformer Network for Corneal Endothelial Cell Segmentation

[论文地址] [代码] [MICCAI 21]

Abstract

角膜内皮细胞分割在量化细胞密度、变异系数和六边形等临床指标方面起着重要作用。然而，角膜内皮的不均匀反射以及受试者的颤抖和运动导致图像中的细胞边缘模糊，难以分割，需要更多的细节和背景信息来释放这个问题。由于局部卷积和连续下采样的接受域有限，现有的深度学习分割方法不能充分利用全局背景，错过了很多细节。本文提出了一种基于Transformer和主干边缘分支的多分支混合Transformer网络(MBT-Net)。首先，我们使用卷积块专注于局部纹理特征提取，并通过Transformer和残差连接建立空间、通道和层的长程依赖关系。此外，我们使用主干边缘分支来促进局部一致性并提供边缘位置信息。在收集的数据集TM-EM3000和公共的Alisarine数据集上，与其他先进的方法(SOTA)相比，提出的方法实现了改进。

Method

本文执行的任务是角膜内皮细胞分割。所提出的网络与其说是使用了Transformer，不如说是把若干个Transformer层当成一种高级的全局上下文特征增强工具来使用。从图中可以看到，本文的Encoder-Decoder架构是很简单的，先由个卷积层来提取浅层的特征，再将其送入Transformer层中提取深层特征。

本文的另外一个两点应该指使用了"Edge Supervision"，以提升分割结果在细胞边缘处的准确性。而边缘分割的ground truth获得也很简单，直接使用canny算子对原始ground truth进行提取即可。

Experiment

与LinkNet34，DinkNet34，UNet，UNet++，TransUNet进行了比较：

实际上对比的方法严格来讲都不是做这个细胞分割任务的方法，算是一个比较小众的方向。