摘要

近年来，计算机辅助的自动息肉分割与肿瘤检测已成为医学图像分析领域的新兴研究方向，为结肠镜检查提供了重要技术支持。尽管研究重点普遍集中于提升息肉检测与分割的准确性，但针对专用设备上运行时的延迟（latency）与吞吐量（throughput）问题，仍缺乏足够关注，而这些因素在实际临床应用中至关重要。本文提出一种新型深度神经网络架构——BlazeNeo，专用于息肉分割与肿瘤检测任务，强调模型的紧凑性与高效性，同时保持高精度。该模型采用高效能的HarDNet作为主干网络，并结合轻量级感受野块（Receptive Field Blocks）以提升计算效率，同时引入辅助训练机制，充分挖掘训练数据潜力，从而提升分割质量。在一项具有挑战性的数据集上的实验结果表明，BlazeNeo在保持与当前最先进方法相当精度的同时，显著降低了延迟与模型尺寸。在Jetson AGX Xavier边缘设备上以INT8精度部署时，BlazeNeo的推理速度超过155帧/秒（fps），且在所有对比方法中取得了最优的检测精度。