基于ASC-Net的医学图像分割算法

来源：计算机应用与软件杂志2025年第12期北京时间：

作者：施连焘, 李正国, 李建阳, 王玉峰, 王洪宇

摘要：结肠内窥镜检查是检测直肠息肉、直肠癌的金标准。其中息肉是导致结直肠癌的主要诱因，但是在结直肠内窥下精准地诊断息肉极度依赖有专业水准的医生。为此提出一种基于实时结肠内窥镜检查的自适应语义校正网络（ASC-Net）。其中，ASC-Net使用非全局自校正（Non-global Self-calibration，NSC）模块，通过上下文校准操作发展长距离空间依赖性，以提取最具区分性的特征。此外，模型当中还设计一个上下文引导语义校正（Context-guided Semantic Calibration，CSC）模块，通过收集多范围上下文信息动态捕获多尺度息肉。开发一个多尺度特征融合（Multiscale Feature Fusion，MFF）模块，以学习更多具有代表性的特征并进行融合，以细化分割结果。所提出的ASC-Net在Kvasir-SEG数据集上的Dice系数和AUC指标达到了84.58%和98.80%，相比U-Net、TransFuse和HarDNet算法，Dice系数精度分别提高了9.76百分点、4.41百分点和1.74百分点。

关键词：结直肠息肉, 自适应语义校正网络, 语义分割, 多尺度上下文信息, 注意力机制