CMSA-Net：基于自适应多源参考的因果多尺度聚合用于视频结肠息肉分割
计算机视觉与模式识别
2026-02-27 v1
摘要
视频结肠息肉分割 (VPS) 是计算机辅助结肠镜检查中的重要任务，因为它有助于医生准确定位和跟踪检查中的息肉。然而，VPS 仍具有挑战性，因为息肉常常与周围黏膜组织呈现相似外观，导致语义辨别能力弱。此外，息肉在视频帧中的位置和尺度发生大幅变化，使得分割难以稳定和准确。为此，我们提出了一个稳健的 VPS 框架，命名为 CMSA-Net。该网络引入了因果多尺度聚合 (CMA) 模块，以有效地从多个历史帧的不同尺度收集语义信息。通过使用因果注意力，CMA 确保了时间特征传播遵循严格的时间顺序，这有助于减少噪声并提高特征可靠性。此外，我们设计了动态多源参考 (DMR) 策略，根据语义可分性和预测置信度自适应地选择信息丰富且可靠的参考帧。该策略在提供强大的多帧指导的同时，保持模型在实时推理方面的高效性。大量实验在 SUN-SEG 数据集上表明，CMSA-Net 实现了最先进 (SOTA) 的性能，在分割准确性和实时临床可行性之间取得了良好的平衡。
引用
@article{arxiv.2602.22821,
title = {CMSA-Net: Causal Multi-scale Aggregation with Adaptive Multi-source Reference for Video Polyp Segmentation},
author = {Tong Wang and Yaolei Qi and Siwen Wang and Imran Razzak and Guanyu Yang and Yutong Xie},
journal= {arXiv preprint arXiv:2602.22821},
year = {2026}
}