摘要

结肠息肉的自动且精确分割对于结直肠癌的早期诊断至关重要。先进的深度学习模型在息肉分割任务中已展现出良好的性能。然而，这些模型在多尺度特征表示能力和泛化能力方面仍存在局限性。为解决上述问题，本文提出了一种名为RaBiT的编码器-解码器架构，其编码器采用轻量级基于Transformer的结构，以建模多层次的全局语义关系；解码器则由多个双向特征金字塔层组成，并引入反向注意力模块，以更有效地融合不同层级的特征图，并逐步细化息肉边界。此外，本文还提出了一系列优化策略，用于简化反向注意力模块，使其更适用于多类别分割任务。在多个基准数据集上的大量实验表明，所提方法在所有数据集上均优于现有方法，同时保持了较低的计算复杂度。更重要的是，该方法在跨数据集实验中表现出优异的泛化能力，即使训练集与测试集具有不同的数据特征，仍能保持稳定性能。