CMFDNet：基于跨 Mamba 和特征发现网络的结肠息肉分割
计算机视觉与模式识别
2025-08-26 v1
摘要
自动化结肠息肉分割对于辅助医生筛查良性息肉并诊断结肠恶性肿瘤至关重要。尽管已有方法已取得令人期待的结果，但息肉分割仍受以下局限的制约：(1)息肉形状和尺寸存在显著差异，(2)息肉与相邻组织之间的边界不清晰，(3)小尺寸息肉在分割过程中容易被忽略。针对这些实际困难，我们提出一种创新架构 CMFDNet，包含 CMD 模块、MSA 模块和 FD 模块。CMD 模块作为一种创新的解码器，引入交叉扫描方法以减少模糊边界。MSA 模块采用多分支并行结构以增强对形状和尺寸分布多样化息肉的识别能力。FD 模块在所有解码器特征之间建立依赖关系，以缓解小尺寸特征息肉的漏检问题。实验结果表明， CMFDNet 在六种对比方法中表现出优异，尤其是在 ETIS 和 ColonDB 数据集上， mDice 分别比最佳 SOTA 方法高出 1.83% 和 1.55%。
引用
@article{arxiv.2508.17729,
title = {CMFDNet: Cross-Mamba and Feature Discovery Network for Polyp Segmentation},
author = {Feng Jiang and Zongfei Zhang and Xin Xu},
journal= {arXiv preprint arXiv:2508.17729},
year = {2025}
}
备注
14 pages, 6 figures, 2 tables. This paper has been accepted by ICONIP 2025 but not published