基于FAC-Net的结直肠息肉图像分割方法

摘要

针对结直肠息肉图像分割中息肉边界模糊不清、形状复杂无法准确定位息肉位置从而影响分割准确率的问题，提出一种基于频域感知和上下文信息（FAC-Net）的结直肠息肉图像分割方法，首先利用Transformer编码器构建特征金字塔，通过自注意力捕获全局上下文；其次设计全局频域感知模块，引进小波变换将高频分量用于边界增强，低频分量辅助定位；然后通过分组特征与跨空间学习机制构建多尺度语义增强模块，旨在加强模型对于病变区域的空间细节捕捉能力；最后设计跨层特征聚合模块，采用注意力引导的跨层融合策略，有效聚合浅层细节特征与深层语义特征，显著提升分割精度。在Kvasir-SEG、Clinic-DB、Colon-DB、CVC-300和ETIS数据集上进行实验，其Dice指数分别为0.927、0.937、0.808、0.912和0.788，分割性能优于通用分割模型。评估结果表明，FAC-Net具有较高的分割准确率和良好的泛化能力。

关键词

结直肠息肉分割 / FAC-Net / Transformer / 自注意力机制