基于内容引导异构双解码器的息肉图像分割OA

针对结直肠图像中息肉尺寸大小不一、边界模糊以及内窥镜图像清晰度受限等问题,提出了一种基于内容引导异构双解码器的特征融合网络(HCGFNet)。HCGFNet中编码器网络采用异构多路径自适应特征融合模块(HAF),通过异构多数据流更精准地捕获复杂肠道环境中隐匿的各类小型息肉与周边特征信息。解码器网络采用内容引导特征融合注意力机制(CGFA),逐层处理解码阶段特征图中干扰信息,细化目标边缘分割效果并辅助重建灰度图。最终分别在KvasirSEG、CVC-ClinicDB、CVC-ColonDB息肉数据集上进行广泛对比,结果表明,所设计的HCGFNet相较于目前主流模型,在各项性能中均有提升。引入HAF、CGFA模块后,各项性能较基准模型提升2%~5%,较最先进模型提升1%~2%。