换一批基于Kolmogorov-Arnold网络平行反向注意网络模型分割结肠镜图像所示息肉
Parallel reverse enhance attention network module based on Kolmogorov-Arnold networks for segmenting polyps showed on colonoscopy images
摘要目的 观察基于Kolmogorov-Arnold网络的平行反向注意网络模型(KAN-PrdaModule)用于分割结肠镜图像中的息肉的价值.方法 选取Kvasir-SEG数据集中的900幅及CVC-ClinicDB数据集中的550幅结肠镜图像为训练集(n=1 450),以ETIS数据集中的196幅、CVC-ClinicDB数据集中的62幅、CVC-ColonDB数据集中的380幅及Kvasir-SEG 数据集中的100幅结肠镜图像为测试集(n=738).基于U-Net改进的KAN-PradModule边缘检测算法、通过多尺度特征融合提升检测精度,采用平均戴斯相似系数(mDSC)、平均交并比(mIoU)、加权度量(Fωβ)及结构度量(Sα),与U-Net、U-Net++、随机前沿生产分析(SFA)及PraNet模型对比,评估上述方法用于分割结肠镜图像所示息肉的价值.结果 5个模型中,SFA模型分割结肠镜图像所示息肉的表现极差,分割息肉边缘模糊且存在部分遗漏;U-Net和U-Net++模型效果尚可,可大致识别息肉;PraNet模型效果较好,分割息肉边缘多清晰;KAN-PrdaModule表现最为出色,与真值图像相似度较高,整体mDSC、mIoU、Fωβ及Sα最优.结论 利用KAN-PrdaMoudel能有效分割结肠镜图像所示息肉,且分割效果优于U-Net、U-Net++、SAF及PraNet模型.
更多相关知识
栏目名称
DOI
10.13929/j.issn.1003-3289.2025.06.026
发布时间
2025-08-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
辽宁省教育厅基本科研项目（LJ212410147003）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
