融合局部和全局特征的息肉分割模型

来源：电子测量技术杂志2024年第16期北京时间：

作者：张攀峰，杨贺，神显豪，程小辉，杜慧

单位：1.桂林理工大学计算机科学与工程学院 桂林 514006; 2.广西嵌入式技术与智能系统重点实验室 桂林 541006; 3.桂林理工大学物理与电子信息工程学院 桂林 541006; 4.桂林理工大学公共管理学院 桂林 541006

摘要：针对现有模型在息肉分割中存在复杂区域分割困难、边缘细节信息丢失、泛化能力不足等问题，提出一种融合局部和全局特征的息肉分割模型。以卷积神经网络和Transformer作为并行编码器，使模型可以兼顾多种尺度的局部细节特征和全局语义特征；在跳跃连接处构建注意力增强模块和多尺度残差模块，前者强化模型对重要信息的关注度，后者高效探索目标区域并准确预测其边界，同时促进不同层次特征之间的交互；在解码阶段采用基于残差的逐步上采样特征融合方式汇聚各阶段特征，进一步增强模型的感知能力，丰富息肉特征；最后使用高效预测头促进浅层特征的融合，输出分割结果。该模型在多个对比实验中表现最优，同次优模型相比，在Kvasir、CVC-ClinicDB数据集上，mDice平均提升了1.21%；mIoU平均提升了1.82%；在CVC-ColonDB、ETIS数据集上，mDice平均提升了2.67%，mIoU平均提升了2.83%。实验结果表明，相比于现有主流模型，该模型具有较优的分割精度和泛化性能。

关键词：息肉分割;Transformer;卷积神经网络;注意力增强模块;多尺度残差模块;特征融合

基金资助：国家自然科学基金(62362018，62362017，61862019)、广西重点研发计划（桂科AB23075116，桂科AB24010338）项目资助