计算机工程

作者：郭祥振, 李思潼, 卢锐, 郭森, 崔学荣, 杨钢

单位：1. 东北大学信息科学与工程学院, 辽宁 沈阳 1108192. 东北大学冶金学院, 辽宁 沈阳 110819

关键词：肠道息肉检测,PVT网络,自注意力机制,多任务注意力,联合注意力

基金：国家自然科学基金(62076058)

结肠息肉具有边界不清晰且大小、颜色、形状各异的特点，使得采用深度学习方法提高其分割性能仍是一项极具挑战性的工作。为提高息肉分割的准确率，提出一种基于多任务联合注意力的结肠息肉分割网络CPMJA-Net。为改善Transformer缺乏机制来增强局部区域信息交换的问题，设计级联融合模块以增强网络的局部特征表示，有助于息肉边缘的识别和恢复。受多头Self-Attention机制的启发，构建多任务注意力模块，采用渐进式融合的方式将不同模块得到的特征图逐步进行融合，以凸显关键信息并抑制干扰信息。为更好聚合图像的高级和低级特征，设计联合注意力模块，利用高级特征的轮廓信息在低级特征中筛选出有利于边缘分割的细节特征，并将其与息肉轮廓聚合起来，得到更加精确的边缘分割结果。实验结果表明，CPMJA-Net在4个公开数据集上的性能表现均为最优，与次优的算法相比，CPMJA-Net的mDice系数分别在Kvasir、CVC-CilinicDB、CVC-ColonDB和ETIS数据集上提升0.7、0.8、0.4、0.4个百分点，平均交并比（mIoU）也分别提升1.6、1.2、0.6、0.5个百分点，其能改善过分割问题，弥补注意力机制的不足，提升解码器的细节恢复能力。

来源：2024年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第2期