ASGNet：用于自动息肉分割的自适应频谱引导网络
计算机视觉与模式识别
2026-04-17 v1
摘要
早期识别和切除息肉可降低患结直肠癌的风险。然而，息肉形态多样、背景复杂且常具有隐蔽性，使得结肠镜图像中的息肉分割极具挑战性。尽管现有的基于深度学习的息肉分割方法性能出色，但其感知能力仍偏向局部区域，主要原因是空间域中相邻像素间存在强空间相关性。这一局限性使其难以捕获完整的息肉结构，最终导致次优的分割结果。在本文中，我们提出了一种新颖的自适应频谱引导网络，称为 ASGNet，它通过将频谱特征与全局属性相集成来解决空间感知的局限性。具体而言，我们首先设计了一个频谱引导的非局部感知模块，该模块联合聚合局部和全局信息，从而增强息肉结构的可判别性并细化其边界。此外，我们引入了一个多源语义提取器，集成丰富的高层语义信息以辅助息肉的初步定位。进一步地，我们构建了一个密集的跨层交互解码器，有效整合来自不同层的多样信息并予以强化，以生成用于精确息肉分割的高质量表示。大量定量和定性结果证明了我们的 ASGNet 方法在五个广泛使用的息肉分割基准上优于 21 种 state-of-the-art 方法。代码将公开于：https://github.com/CSYSI/ASGNet。
引用
@article{arxiv.2604.14755,
title = {ASGNet: Adaptive Spectrum Guidance Network for Automatic Polyp Segmentation},
author = {Yanguang Sun and Hengmin Zhang and Jianjun Qian and Jian Yang and Lei Luo},
journal= {arXiv preprint arXiv:2604.14755},
year = {2026}
}
备注
Accepted at TCSVT 2026