基于形状特征引导的息肉分割网络

来源：计算机技术与发展杂志2024年第05期北京时间：

作者：吴英豪;杜晓刚;雷涛;张学军;王营博;

摘要：由于息肉的形状、大小不一,且息肉与周围粘膜的对比度较低,导致息肉分割是一个极具挑战性的任务。为了提升在不同形状息肉和小尺寸息肉处的分割精度,提出了一个基于形状特征引导的息肉分割网络(SGNet)。SGNet主要包括两点贡献:首先,通过引入ConvNext设计了细节敏感编码器,使网络在提取全局信息的同时也能提取到对息肉分割至关重要的细节信息。其次,设计了形状引导解码器,该解码器能有效适应不同形状的息肉,提取到丰富的息肉形状特征和多尺度特征,从而有效提升网络在不同形状息肉和小尺寸息肉的分割精度。在三个公开的息肉分割数据集ETIS、Kvasir和CVC-ClinicDB上进行大量实验表明,SGNet能够精确地分割不同形状的息肉和小尺寸息肉,在分割精度上超过了近年来主流的息肉分割网络。

关键词：深度学习;卷积神经网络;医学图像分割;息肉分割;形状特征