用于息肉分割的 FCN-Transformer 特征融合

结肠镜检查被广泛认为是结直肠癌（CRC）早期检测的黄金标准程序。分割对于两项重要的临床应用——即病变检测与分类——具有价值，为提高准确性与鲁棒性提供了手段。结肠镜图像中息肉的手动分割耗时费力。因此，使用深度学习（DL）实现息肉分割自动化变得十分重要。然而，基于 DL 的方案容易过拟合，并导致无法泛化到由不同结肠镜捕获的图像。近期基于 transformer 的语义分割架构相较于替代方案取得了更高性能且泛化更好，但通常对 $h\times w$ 的输入图像预测出 $\frac{h}{4}\times\frac{w}{4}$ 空间尺寸的分割图。为此，我们提出了一种用于全尺寸分割的新架构，其利用 transformer 在主干分支中提取对分割最为重要特征的优点，同时以辅助的全卷积分支弥补其在全尺寸预测上的局限。随后将两分支所得特征融合，用于最终预测 $h\times w$ 的分割图。我们在 Kvasir-SEG 与 CVC-ClinicDB 数据集基准上，针对 mDice、mIoU、mPrecision 与 mRecall 指标展示了我们方法达到 state-of-the-art 性能。此外，我们在每个数据集上训练模型并在另一数据集上评估，以展示其优越的泛化性能。