基于自注意力机制的胃肠息肉图像分割算法

来源：计算机技术与发展杂志2025年第01期北京时间：

作者：秦钰;刘芳;霍宏雯

摘要：从肠道内窥镜检查图像中自动分割出胃肠息肉,可以为癌前病变的早期检测和预防提供重要依据。 对于胃肠息肉病变区域特征的高变异性以及病变与正常组织之间的低对比度、边缘纹理分割不清晰问题,在 GF-Net 网络分割方法基础上进行改进,使得改进的边缘引导模块更关注边缘信息,具体来说在边缘引导模块中逐层引入自注意力机制,使模型充分学习图像的全局特征,更好理解图像中的上下文关系,并将这些丰富的语义信息应用于胃肠息肉精准的分割。 同时结合分割损失函数和边缘损失函数,分割损失函数关注整体分割准确性,而边缘损失函数则注重保持边缘细节的清晰性和连续性,使用 Kvasir-sessile 数据集对改进后的模型进行了实验评估。 通过计算 Dice 系数、灵敏度、特异性等评价指标,并通过可视化分析病变区域,验证了该方法的有效性和优越性。 相比于其他深度学习网络模型,改进的 GF-Net 模型在胃肠息肉分割任务中表现出更高的准确性和鲁棒性。

关键词：胃肠息肉;自注意力机制;医学图像分割;GF-Net网络;损失函数