利用 DINO 自注意力“键”实现结肠息肌分割的泛化能力
计算机视觉与模式识别
2026-01-22 v2
摘要
自动化结肠息肌分割对于提高结直肠癌（CRC）的临床识别至关重要。尽管深度学习（DL）技术在此问题上得到了广泛研究，但当前方法在数据受限或困难场景下常面临泛化性挑战。此外，许多现有息肌分割方法依赖复杂且任务特定的架构。为此，我们提出一种框架，利用 DINO 自注意力“键”特征的内在鲁棒性实现稳健的分割。不同于传统方法从视觉转换器（ViT）最深层提取标记，本方法利用自注意力模块的 key 特征配合简单卷积解码器预测息肌掩码，实现性能提升和更好的泛化性。我们在两个严格的协议下验证了该方法：域泛化（DG）和极端单域泛化（ESDG）。经全面统计分析，本管道实现了最先进（SOTA）性能，显著提升泛化能力，尤其在数据稀缺和挑战场景下。虽然避免使用息肌特定架构，我们已超越 nnU-Net 和 UM-Net 等成熟模型。此外，我们提供 DINO 框架演化的系统性基准，量化架构进步对下游息肌分割性能的具体影响。
引用
@article{arxiv.2512.13376,
title = {Unlocking Generalization in Polyp Segmentation with DINO Self-Attention "keys"},
author = {Carla Monteiro and Valentina Corbetta and Regina Beets-Tan and Luís F. Teixeira and Wilson Silva},
journal= {arXiv preprint arXiv:2512.13376},
year = {2026}
}
备注
We have found a bug in our codebase. The DINO vision encoder was not properly frozen, therefore the results and claims are not fully valid. We are working on new results