SEGMENTACIJA LEZIJA U MAMOGRAFSKIM SLIKAMA KORIŠĆENJEM SEGFORMER MREŽNE ARHITEKTURE
Ključne reči:
Segformer, segmentacija, lezija, mamografski snimci
Apstrakt
Detekcija promena u tkivu dojke, koje su često vezane za razvoj malignih oboljenja, omogućava postavljanje rane dijagnoze, što je jedan od ključnih faktora za povećanje uspešnosti lečenja raka dojke. Radi toga potrebno je pronaći algoritme koji će na brz i precizan način detektovati postojanje lezija. Zbog svoje jednostavnosti i efikasnosti, primena transformera u segmentaciji slike tokom poslednjih godina postaje sve popularnija. U ovom radu korišćena je Segformer mrežna arhitektura za segmentaciju lezija u okviru mamografskih snimaka koji postoje u INbreast bazi. Dobijeni rezultati pokazuju značajan potencijal za primenu ove arhitekture u realnim uslovima.
Reference
[1] E. Xie, W. Wang et al., “SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers,” arXiv (Cornell University), Dec. 2021, doi: https://doi.org/10.48550/arxiv.2105.15203
[2] K. H. Zhang0_0, “An Overview of Segformer and Details Description,” GitHub, Apr. 15, 2023. https://github.com/ACSEkevin/An-Overview-of-Segformer-and-Details-Description (accessed Apr. 26, 2023).
[3] W. Wang et al., “Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions,” IEEE Xplore, Oct. 01, 2021. https://ieeexplore.ieee.org/document/9711179
[4] A. Dosovitskiy, L. Beyer, A. Kolesnikov, D. Weissenborn, et al. “An image is worth 16x16 words: Transformers for image recognition at scale,” arXiv, 2020.
[5] I. C. Moreira, I. Amaral, I. Domingues et al. “INbreast: toward a full-field digital mammographic database,” Academic Radiology. 2012 Feb;19(2):236-48. doi: 10.1016/j.acra.2011.09.014. Epub 2011 Nov 10. PMID: 22078258.
[2] K. H. Zhang0_0, “An Overview of Segformer and Details Description,” GitHub, Apr. 15, 2023. https://github.com/ACSEkevin/An-Overview-of-Segformer-and-Details-Description (accessed Apr. 26, 2023).
[3] W. Wang et al., “Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions,” IEEE Xplore, Oct. 01, 2021. https://ieeexplore.ieee.org/document/9711179
[4] A. Dosovitskiy, L. Beyer, A. Kolesnikov, D. Weissenborn, et al. “An image is worth 16x16 words: Transformers for image recognition at scale,” arXiv, 2020.
[5] I. C. Moreira, I. Amaral, I. Domingues et al. “INbreast: toward a full-field digital mammographic database,” Academic Radiology. 2012 Feb;19(2):236-48. doi: 10.1016/j.acra.2011.09.014. Epub 2011 Nov 10. PMID: 22078258.
Objavljeno
2023-09-08
Sekcija
Elektrotehničko i računarsko inženjerstvo
