通过编码器注意力与动态核更新增强息肉分割
计算机视觉与模式识别
2025-09-30 v1 人工智能
摘要
息肉分割是结直肠癌检测的关键步骤，但由于医学成像中息肉形状多样、尺寸不一以及低对比度边界，仍具有挑战性。在这项工作中，我们提出了一种新颖框架，通过将动态核（DK）机制与全局编码器注意力（EA）模块集成来提高分割准确性和效率。DK机制由EA模块提供的全局上下文向量初始化，在解码阶段迭代地细化分割预测，使模型能够聚焦并精确勾勒复杂的息肉边界。EA模块通过聚合所有编码器层的多尺度信息，增强了网络捕获关键病变特征的能力。此外，我们在解码器中采用了统一通道适应（UCA），以标准化各阶段的特征维度，确保一致且计算高效的信息融合。我们的方法通过引入更具灵活性的、基于注意力驱动的核初始化和统一的解码器设计，扩展了病变感知核框架。在KvasirSEG和CVC ClinicDB基准数据集上的广泛实验表明，我们的模型优于多种先进分割方法，取得了优越的Dice和交并比分数。此外，UCA简化了解码器结构，在不影响准确率的情况下降低了计算成本。总体而言，所提出的方法为息肉分割提供了鲁棒且适应性强的解决方案，在临床和自动诊断系统中具有广阔的应用前景。
引用
@article{arxiv.2509.23502,
title = {Enhancing Polyp Segmentation via Encoder Attention and Dynamic Kernel Update},
author = {Fatemeh Salahi Chashmi and Roya Sotoudeh},
journal= {arXiv preprint arXiv:2509.23502},
year = {2025}
}