HGNet：面向结肠息肉检测的高阶空间感知超图与多尺度上下文注意力网络
计算机视觉与模式识别
2025-07-08 v1 人工智能
摘要
结肠癌（CRC）与结肠息肉的恶性转化密切相关，因此早期检测至关重要。然而，当前模型在检测小病灶、准确局部边界以及提供可解释决策方面存在挑战。为此，我们提出了HGNet，集成了高阶空间感知超图（High-Order Spatial Awareness Hypergraph）与多尺度上下文注意力（Multi-Scale Context Attention）。关键创新包括：（1）引入高效多尺度上下文注意力（EMCA）模块以增强病灶特征表示和边界建模；（2）在检测头之前部署空间超图卷积模块，以捕获节点之间的高阶空间关系；（3）应用迁移学习以解决医学图像数据稀缺问题；（4）引入特征类激活图（Eigen Class Activation Map, Eigen-CAM）用于决策可视化。实验结果显示，HGNet在94%的准确率、90.6%的召回率和90%的[email protected]上显著提升了小病灶区分度和临床可解释性。本文发表后将公开源代码。
引用
@article{arxiv.2507.04880,
title = {HGNet: High-Order Spatial Awareness Hypergraph and Multi-Scale Context Attention Network for Colorectal Polyp Detection},
author = {Xiaofang Liu and Lingling Sun and Xuqing Zhang and Yuannong Ye and Bin zhao},
journal= {arXiv preprint arXiv:2507.04880},
year = {2025}
}