PRNet:渐进式消减不确定区域的息肉分割网络

摘要

由于息肉图像的自动分割病灶区域大小不一和边界模糊，从而导致分割精度较低.针对这两个问题，本文提出先定位后逐步精细的渐进式消减网络（Progressive Reduction Network,PRNet）.该网络采用Res2Net提取病灶区域特征，利用多尺度跨级融合模块将注意融合机制与跨级特征结合，有效应对病灶区域多尺度问题，提升定位准确度.在自上而下恢复图像分辨率的过程中，引入不确定区域处理模块和多尺度上下文感知模块.前者通过设定递减的阈值逐步挖掘息肉边缘信息，增强边缘细节特征的识别能力；后者则进一步探索病灶区域周围潜在的上下文语义，提升模型的整体表征能力.此外，本算法还设计了一个简单的特征过滤模块，用于筛选编码器特征中的有效信息.在Kvasir-SEG、CVC-Clinic和ETIS数据集上的实验结果表明，所提算法的Dice系数分别达到了92.09%、93.05%和74.19%，优于现有的息肉分割算法，展示出了较好的鲁棒性和泛化性.

关键词

医学图像处理 / 息肉分割 / 结肠镜 / 不确定区域 / 多尺度

基金资助

国家自然科学基金资助项目（62005045）; 教育部产学合作协同育人项目（220702278135421）