换一批RDG-Net:基于双阶段解码器的结直肠息肉图像分割模型
RDG-Net:a colorectal polyp image segmentation model based on a dual-stage decoder
摘要基于深度学习的息肉图像分割可以有效帮助医生评估癌前病变,本文针对结直肠息肉图像中息肉边界不清晰时分割效果不佳、对新样本范化能力不足的问题,提出一种基于双阶段解码器的结直肠息肉图像分割模型RDG-Net.该模型采用Res2Net-50作为编码器以提高图像分割精度.解码器分为两个阶段,第一阶段利用4层多尺度特征聚合模块整合不同阶段编码器提取的特征,第二阶段通过3层并行卷积融合模块增强解码器第一阶段输出的图像特征并解码至更高分辨率作为模型的最终输出结果.采用CVC-ClinicDB和Kvasir-SEG数据集的训练集数据进行模型训练,并采用CVC-ClinicDB与Kvasir-SEG数据集以及未参与训练的CVC300和ETIS-LaribPolypDB数据集分别对模型进行测试.测试结果显示,CVC-ClinicDB与Kvasir-SEG数据集上准确率、精确度、召回率、Dice系数、交并比和F2的平均值分别为98.41％、94.25％、92.62％、93.42％、87.69％、92.93％,CVC300和ETIS-LaribPolypDB数据集上各评价指标的平均结果分别为99.05％、87.79％、89.13％、88.39％、79.33％、88.82％.实验结果表明RDG-Net模型在结直肠息肉区域的分割任务中表现出色,在新数据集上表现出较好的泛化能力.
更多相关知识
关键词
图像分割结直肠息肉多尺度特征聚合并行卷积image segmentationcolorectal polypmulti-scale feature aggregationparallel convolution
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.01.008
发布时间
2025-03-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62363031）
- 浏览5
- 被引2
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
