基于局部上下文融合的息肉语义分割模型

摘要

为了准确分割息肉，提出了局部上下文融合的分割模型，该模型引入局部上下文注意力机制来过滤掉无关的特征信息，并增强对重要区域的关注。通过多核扩展卷积捕获不同尺度的特征，以提高息肉边界分割的精度。引入金字塔上下文选择模块，利用较浅层编码器特征补偿深层编码器丢失的低级信息，使模型能够适应各种大小的息肉。该模型在Kvasir-SEG、EndoScene和CVC-ClinicDB数据集上分别达到了97.67%、97.19%和99.23%的准确率，平均交并比分别为91.2%、88.31%和94.75%，比现有经典方法有更好的准确性和泛化性，验证了该模型在息肉分割任务中的优越性能。本文模型在息肉分割准确性方面得到提升，为息肉分割提供更为精准的辅助。

关键词

结直肠癌 / 息肉分割 / 深度学习 / 扩展卷积 / 上下文信息