基于混合注意力与边缘引导特征学习的时空结肠分割识别——ST-ColoNet
计算机视觉与模式识别
2026-05-28 v1
摘要
结肠内视觉分割识别是许多下游任务的关键要求，但现有自动识别方法仅使用结肠镜图像，未充分利用时序信息，导致性能不佳。此外，相关的基于视频的公开数据集稀缺。为解决此问题，我们专为结肠分割识别任务策划并发布了标注数据集。此外，我们提出一种基于深度学习的两阶段框架——时空网络结肠分割识别 (ST-ColoNet)，用于从结肠镜视频中进行结肠分割识别，包括 Colorlaus 模块，用于通过度量学习优化边缘引导的空间特征提取，以及 Full-Temp 模块，融合三种自注意力模式以更好地逼近长结肠镜序列的全局自注意力并优化时序特征聚合。通过大量消融实验，我们展示该框架能够在结肠分割识别任务上实现最先进的性能，准确率达 81.0%，F1 分数达 70.7%，显著优于现有最先进方法。
关键词
引用
@article{arxiv.2605.28119,
title = {ST-ColoNet: Spatio-Temporal Colon Segment Recognition via Hybrid Attention and Edge-Guided Feature Learning},
author = {Ziyi Wang and Zhengjie Zhang and Jingsheng Gao and Dahong Qian and Suncheng Xiang},
journal= {arXiv preprint arXiv:2605.28119},
year = {2026}
}