检索历史 清除

摘要结肠癌是一种能危及患者生命的消化道疾病，而结肠直癌的形成主要是由于结肠内息肉积累和突变，如果患者能够定期筛查结直肠息肉，并及时采取有效治疗措施，就可以有效防止息肉病变，大大降低息肉的发病率和死亡率。为了辅助医生诊断病情减少漏检率，本文重点放在分割息肉图像病变区域，为此，对TransUNet分割图像算法进行改进，提出一种高效、准确的结肠息肉图像分割算法SE-TransUNet+,具体内容如下:<br>　　首先，为了解决由于结肠息肉腺体与息肉的边界与背景颜色非常接近造成小腺体、小息肉游离于大目标旁边，分割这些目标边界相对模糊等问题，对原来的TransUNet模型中的ResNet网络模块进行改进，把ResNet网络模块替换成SeNet网络模块，它不仅保持了原有TransUNet的优点，更好的满足低级上下文需求，提高了分割精度。<br>　　其次，随着模型储存信息量增加，会出现信息过载的问题，可为了能够完全聚焦息肉特征信息，减少非息肉信息关注度，从而提高模型的效率及准确性。因此，在编码器卷积神经网络下采样跳接通道采用CBAM注意力机制,该机制可以从多个维度的空间信息进行筛选组合，从而更加准确在图像中识别息肉病变区域。<br>　　最后，在TransUNet在原网络输出卷积层后，TransUNet网络的解码器引入空洞卷积，该卷积提高了 TransUNet网络特征信息融合提取能力，满足了结肠息肉分割图像任务需求。通过多个层级的输出特征信息结合起来，可以有效地将不同尺度的语义信息融合在一起，从而提升改进后的网络模型的性能。<br>　　通过对四个开源数据集Kvasir-SEG数据集、CVC-ClinicDB数据集、ColonDB数据集、ETIS数据集上进行了实验。实验结果证明了本文提出的SE-TransUNet+模型的分割分割效果非常优秀，它能够准确地分割出结肠息肉的病变区域的轮廓和边缘细节。相较现有的许多优秀结肠息肉图像分割算法,本文提出的算法在分割结果的Mdice性能分数在这4个数据集分别达到91.3％,84.2％,79.2％,78.3％。SE-TransUNet+具有更好的分割性能，可以满足医学辅助诊断的要求。