计算机应用

作者：姜坤元, 李小霞, 王利, 曹耀丹, 张晓强, 丁楠, 周颖玥

单位：1.西南科技大学 信息工程学院，四川 绵阳 621010；2.四川省工业自主可控人工智能工程技术研究中心，四川 绵阳 621010；3.绵阳四〇四医院，四川 绵阳 621000

关键词：食管内镜图像,医学图像分割,自注意力机制,二维Gabor变换,多尺度边缘特征

基金：国家自然科学基金资助项目(62071399);四川省科技计划项目(2023YFG0262)

针对内镜语义分割网络中病灶边缘信息丢失和大面积病灶分割不全的问题，提出一种引入解耦残差自注意力（DRA）的边界交叉监督语义分割网络（BCS-SegNet）。首先，引入DRA，以增强网络对远距离关联性病灶的学习能力；其次，构建跨级交叉融合（CLF）模块，从而将编码结构中的多级特征图逐对组合，进而实现在低计算成本下图像细节与语义信息的融合；最后，使用多方向多尺度的二维Gabor变换提取边缘信息，并使用空间注意力加权特征图中的边缘特征，以监督分割网络的解码过程，从而在像素级别上提供更精准的类内分割一致性。实验结果表明，在ISIC2018皮肤镜和Kvasir-SEG/CVC-ClinicDB结肠镜数据集上，BCS-SegNet的平均交并比（mIoU）和Dice系数分别为84.27%、90.68%和79.24%、87.91%；在自建食管内镜数据集上，BCS-SegNet的mIoU和Dice系数分别为82.73%和90.84%，mIoU相较于U-net和UCTransNet分别提升了3.30%和4.97%。可见，所提网络可以达到更完整的分割区域和更清晰的边缘细节等视觉效果。

来源：2025年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第4期