基于改进DeepLabV3+的息肉分割方法

摘要

为解决当前结肠镜检查在分割复杂生长环境中的息肉时面临的精度差、效率低的难题，提出一种基于改进DeepLabV3+的息肉分割方法。首先通过将DeepLabV3+的主干网络Xception替换为参数量更小的MobileNetV2以降低模型的复杂度，并引入注意力机制(CA),以提高模型对息肉的定位精度；其次从MobileNetV2引出一条中级特征，并与经过CA处理后带有位置信息的高级特征共同构建特征金字塔(FPN)进行多尺度融合，并作为解码器特征融合的分支，将融合时的4倍上采样分解为逐层上采样以增加图像细节信息；最后引入多尺度卷积注意力模块(MSCA)聚合上下文信息并输出分割结果。实验结果表明，改进后的网络有效提高了结肠息肉分割的准确率和效率。

关键词

结肠息肉分割 / DeepLabV3+ / 注意力机制 / 特征金字塔 / 多尺度融合

基金资助

辽宁省教育厅高等学校基本科研项目(LJKMZ20220615)