PVTAdpNet: 使用新型适配器模块的 Pyramid Vision Transformer 进行息肉分割
计算机视觉与模式识别
2025-10-14 v1 人工智能
摘要
结直肠癌是最常见且致死率最高的癌症之一，凸显了有效早期检测与治疗的必要性。为解决传统结肠镜检查的局限性，包括因息肉变异性导致的高漏检率，我们提出了 Pyramid Vision Transformer Adapter Residual Network（PVTAdpNet）。该模型将 U-Net 风格的编码器-解码器结构与 Pyramid Vision Transformer 主干、新型残差块以及基于适配器的跳跃连接相结合。该设计增强了特征提取、密集预测和梯度流动，并借助通道注意力机制（squeeze-and-excitation attention）实现改进的通道级特征细化。PVTAdpNet 实现了实时、准确的息肉分割，在基准数据集上取得了优异的 mDice 和 mIoU 分数，非常适合临床应用。PVTAdpNet 在分布外息肉数据集上获得了 0.8851 的高 Dice 系数和 0.8167 的平均交并比（mIoU）。对 PolypGen 数据集的评估展示了 PVTAdpNet 在熟悉分布内的实时、准确性能。我们网络的源代码可在 https://github.com/ayousefinejad/PVTAdpNet.git 获取。
引用
@article{arxiv.2509.23751,
title = {PVTAdpNet: Polyp Segmentation using Pyramid vision transformer with a novel Adapter block},
author = {Arshia Yousefi Nezhad and Helia Aghaei and Hedieh Sajedi},
journal= {arXiv preprint arXiv:2509.23751},
year = {2025}
}