首页 > 中国生物医学工程学报 > 基于高效加性注意力的级联式特征融合息肉分割网络

基于高效加性注意力的级联式特征融合息肉分割网络

Cascading Feature Fusion Polyp Segmentation Network Based on Efficient Additive Attention

二维码有效期 120s

摘要为解决大多数息肉分割方法存在的局部和全局信息交互不足、相邻层不同深度间的特征弱相关性问题,本研究提出了一种基于金字塔视觉Transformer和自注意力机制级联解码器的网络模型(PVT-SMCD).首先,以PVTv2为骨干网络提取图像特征,通过高效加性注意力获取关键信息,捕捉长距离依赖关系;其次,引入多核卷积增强块定位息肉的高级语义特征,将其输入到级联解码器中实现局部和全局间的信息交互;最后,利用特征融合模块自上而下逐步融合相邻层间的特征以减少高维特征与低维特征间的信息差距.所提出模型在5个息肉分割数据集上与其他8种医学图像分割网络进行对比,其中在Kvasir和CVC-ClinicDB数据集上,mDice分别为92.3％、94.5％,mIoU 为 87.1％、89.9％,MAE 分别为 0.021 和 0.006;在 CVC-300 上,mDice 和 mIoU 分别达到了 90％和83.3％,MAE 为 0.007;在 CVC-ColonDB 上 mDice 为 81.5％,mIoU 为 73.5％,MAE 为 0.028;在 ETIS 数据集上,mDice为78.9％,mIoU为71.3％,MAE为0.019.实验结果表明,PVT-SMCD在绝大多数评价指标上均优于对比模型,展现出更优异的学习能力和泛化性能,能够实现更精准的息肉分割效果.