计算机应用

作者：顾聪, 段其强, 任思雨

单位：中原工学院 数学与信息科学学院，郑州 451191

关键词：医学图像分割,Transformer,息肉分割,自适应去噪,全局注意力机制

基金：河南省教育厅人文社会科学研究项目(2022-ZZJH-098);中原工学院优势学科实力提升计划项目(SD202237)

基于深度学习的方法进行息肉图像分割时会面临以下问题：不同医疗设备采集的图像在特征分布上存在差异，导致不同的息肉分割数据集之间存在域偏移；现有模型大多专注于处理相同尺度大小的特征，对不同尺度息肉的捕捉能力存在一定的限制；息肉与周围组织的视觉特征和颜色差异通常较小，导致模型难以准确地区分息肉与背景。为了解决这些问题，提出以金字塔结构的视觉Transformer（PVT）为主体的上下文感知网络（CANet），主要包括以下模块：1）域自适应去噪模块（DADM），对低级特征图采用通道注意力以及空间注意力以解决不同域图像之间的域偏移以及噪声问题；2）尺度校准模块（SRM），处理编码器提取的多尺度特征，解决息肉大小和形状明显变化的问题；3）迭代式语义嵌入模块（ISEM），减少背景干扰，提高对目标边界的感知能力，提升息肉分割的准确性。在5个公开的结肠息肉数据集上的实验结果表明，CANet比当前广泛采用的结肠息肉分割方法取得了更好的结果，在Kvasir-SEG和CVC-ClinicDB数据集上的mDice（mean Dice）分别为92.6%和94.0%。

来源：2024年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第11期