自动息肉分割在内镜检查中已被证明具有重要价值，能够显著降低内镜医师漏诊腺瘤的概率，同时提升操作效率。然而，在有限时间内对息肉进行良恶性分类并实现像素级精确分割，仍是临床医生面临的一项艰巨挑战。为此，本文提出了一种细粒度的息肉分割建模范式，该范式不仅旨在准确分割息肉区域，还能高精度识别具有高恶性风险的息肉。此外，我们设计了一种基于UNet架构的神经网络模型——NeoUNet，并引入一种混合损失函数以优化模型性能。实验结果表明，与现有息肉分割模型相比，NeoUNet在我们构建的基准数据集上取得了极具竞争力的性能表现。