通过超轻量化架构实现在普通 CPU 上实时内镜结肠息肉分割
计算机视觉与模式识别
2026-05-20 v2 人工智能
摘要
实时息肉分割是早期结直肠癌检测的关键，但因依赖 GPU 而难以在临床部署。我们引入 UltraSeg 系列，一组在参数不足 0.3 万亿个 (0.3M) 的 CPU 原生分割模型。UltraSeg-108K (0.108M) 建立了极端压缩的前沿，UltraSeg-130K (0.130M) 集成了跨层轻量级融合，以实现更好的多中心泛化。该架构用以替代参数密集的组件，采用分组多速率膨胀卷积和注意力门控跨层融合，在单 CPU 核心上实现实时吞吐（在 256*256 分辨率下超过 50 FPS，在 352*352 分辨率下超过 30 FPS），且不牺牲临床级精度。在七个公开数据集上评估，UltraSeg-130K 在两种分辨率下 Dice 分数均超过 0.8，显著优于所有现有的子 0.3M 竞争者。值得注意的是，它在零样本外部验证中接近或超过 UNet-Medium (7.76M 参数)，仅使用其 1.7% 的参数，首次建立了 CPU 原生实时息肉分割的强基准。当参数扩展至 4.38M 时，UltraSeg 在精度上与重量级 SOTA 模型持水平，却保持数量级的参数优势，表明所提出的设计原则在整个效率谱系上都具备内在的表示收益。通过提供首个临床可部署的 CPU 原生实时解决方案，本工作为资源受限环境下的医疗 AI 以及端内镜之外的实时医疗 AI 提供了即用即用的工具。源码已公开。
引用
@article{arxiv.2602.04381,
title = {Enabling Real-Time Colonoscopic Polyp Segmentation on Commodity CPUs via Ultra-Lightweight Architecture},
author = {Weihao Gao and Zhuo Deng and Zheng Gong and Lan Ma},
journal= {arXiv preprint arXiv:2602.04381},
year = {2026}
}
备注
18pages, 4 figures