摘要

结肠镜检查被广泛认为是早期发现结直肠癌（Colorectal Cancer, CRC）的金标准方法。图像分割在两项重要的临床应用中具有关键价值：病变检测与分类，能够有效提升诊断的准确性与鲁棒性。然而，人工对结肠镜图像中的息肉进行分割耗时费力，因此，利用深度学习（Deep Learning, DL）实现息肉分割的自动化已成为研究重点。尽管如此，基于深度学习的方法容易出现过拟合问题，导致模型难以泛化到由不同结肠镜设备采集的图像数据。近年来，基于Transformer的语义分割架构在性能和泛化能力方面均优于传统方法，但通常仅能生成输入图像尺寸 $h \times w$ 的四分之一分辨率的分割图（即 $\frac{h}{4} \times \frac{w}{4}$）。针对这一局限，本文提出一种新型全尺寸分割架构：该架构在主分支中利用Transformer强大的特征提取能力，捕获对分割任务至关重要的高层语义信息；同时，引入一个次级全卷积分支，以弥补Transformer在高分辨率输出方面的不足。最终，将两个分支提取的特征进行融合，实现 $h \times w$ 全尺寸分割图的精确预测。我们在Kvasir-SEG和CVC-ClinicDB两个公开数据集上验证了所提方法的先进性能，结果表明其在mDice、mIoU、mPrecision和mRecall等关键指标上均达到当前最优水平。此外，我们还分别在两个数据集上训练模型，并在另一个数据集上进行测试，进一步验证了该方法出色的跨数据集泛化能力。