LGPS：一种轻量级 GAN 方法用于结肠镜图像中的多余肠 segmentation
计算机视觉与模式识别
2026-02-04 v1
摘要
结直肠癌（CRC）是全球癌症死亡的主要原因，早期多余肠检测和在结肠镜中切除对于预防至关重要。虽然深度学习方法在多余肠 segmentation 中显示出前景，但仍面临高计算成本、难以分割小或低对比度多余肠以及跨数据集泛化性有限等挑战。为此，我们提出了 LGPS，一个用于多余肠 segmentation 的轻量级 GAN 框架。LGPS 包含三个关键创新：(1) 采用修改残差块和 Squeeze-and-Excitation（ResE）模块增强的 MobileNetV2 主干网络，用于高效特征提取；(2) 用于精确边界细化的卷积条件随机场（ConvCRF）；(3) 结合二值交叉熵、加权 IoU Loss 和 Dice Loss 的混合损失函数，以解决类别不平衡问题并提高 segmentation 准确性。LGPS 在五个基准数据集上进行验证，并与最先进（SOTA）方法进行比较。在最大且具有挑战性的 PolypGen 测试数据集上，LGPS 实现了 Dice 为 0.7299 和 IoU 为 0.7867，超越了所有 SOTA 方法，显示出强大的泛化能力。该模型仅包含 107 万参数，比现有最小模型小 17 倍，非常适用于实时临床应用。其轻量化设计和卓越性能彰显了其在提高早期 CRC 诊断方面的潜力。代码可在 https://github.com/Falmi/LGPS/ 上获取。
关键词
引用
@article{arxiv.2503.18294,
title = {LGPS: A Lightweight GAN-Based Approach for Polyp Segmentation in Colonoscopy Images},
author = {Fiseha B. Tesema and Alejandro Guerra Manzanares and Tianxiang Cui and Qian Zhang and Moses Solomon and Sean He},
journal= {arXiv preprint arXiv:2503.18294},
year = {2026}
}
备注
10 pages, 6 Figures