基于风车卷积与双重注意力的息肉分割网络用于结直肠癌前病变诊断

摘要

本方案采用一种U形深度学习网络，结合卷针卷积、双重注意力机制和多尺度融合，用于分割结直肠息肉。

摘要

结直肠息肉的精确分割对于结直肠癌的早期预防与诊断至关重要。然而，由于息肉在形状、大小和纹理方面具有高度异质性，加之肠道环境复杂（如褶皱、镜面反射和粪便残留），现有方法在边界定位和小息肉检测方面仍面临显著挑战。为解决这些问题，本文提出了一种基于风车卷积与双重注意力的息肉分割网络（PWD-Net）。该网络采用U形编码器-解码器架构，其中使用预训练的ResNet作为编码器以提取多层级局部特征。具体而言，在瓶颈层引入风车卷积模块（PCM），通过多角度旋转卷积核捕捉息肉的全局几何结构和多方向上下文信息。设计了一种融合通道注意力与空间注意力的双重注意力机制（DAM），用于自适应抑制背景噪声并增强息肉区域特征。此外，采用多尺度特征融合（MSF）策略，将深层语义信息与浅层边界细节相结合，确保分割结果的完整性与精确性。在Kvasir-SEG和CVC-ClinicDB数据集上的实验表明，PWD-Net分别取得了0.865和0.944的平均Dice系数，以及0.765和0.892的IoU分数，显著优于现有的最先进方法。消融实验验证了各模块的有效性，跨数据集评估证实了模型具有较强的泛化能力。本研究为临床息肉分割提供了一种高精度且鲁棒的解决方案，对结直肠癌前病变的早期诊断及计算机辅助干预具有重要意义。

引言

结直肠癌是全球最常见的恶性肿瘤之一，其发病率和死亡率长期处于高位。研究表明，大多数结直肠癌由腺瘤性息肉发展而来，这一过程通常需要10–15年，为早期发现和干预提供了宝贵的时间窗口。腺瘤检出率（ADR）每提高1%，结直肠癌风险可降低约3%，显著减少患者死亡率¹。结肠镜检查被视为结直肠癌筛查的金标准，可在检查过程中直接切除息肉，从而有效降低癌症的发病率和死亡率。

然而，传统的结肠镜检查在很大程度上依赖于内镜医师的经验和技术水平。主观判断、视觉疲劳和注意力分散等因素可能导致20%–30%的漏诊率，直接影响筛查效果²。因此，开发用于结直肠息肉自动分割的计算机辅助检测（CAD）系统，对于提高腺瘤检出率（ADR）并减少漏诊具有重要意义。近期的临床调查进一步强调了将人工智能整合到内镜病变评估工作流程中的需求，凸显了建立稳健且可重复的分割方法的必要性³。

近年来，深度学习在医学图像分析领域取得了显著进展，尤其是卷积神经网络（CNN），其在图像分割任务的特征提取与表征方面表现出强大的能力⁴。作为经典的医学图像分割模型，U-Net 采用对称的编码器-解码器结构和跳跃连接，实现了精确的像素级分割，已成为该领域的基准模型^....

方案

本研究仅使用公开的、匿名的结肠镜图像数据集（Kvasir-SEG），未收集任何新的人类受试者数据。由于回顾性分析去标识化的公共数据集，根据机构审查政策，无需获得机构伦理批准和患者知情同意。

1. 数据准备

1. 从官方仓库33（https://datasets.simula.no/kvasir-seg/）下载 Kvasir-SEG 数据集。该数据集包含 1,000 张息肉图像及其对应的像素级真实分割掩膜。
2. 使用固定的随机种子（seed = 42），将数据集按 8:1:1 的比例随机划分为训练集（800 张图像）、验证集（100 张图像）和测试集（100 张图像）。验证三个子集之间无图像重叠，以防止数据泄露。
3. 使用双线性插值将所有图像及其对应的掩膜调整为 352 × 352 像素，掩膜使用最近邻插值。
4. 通过除以 255 将像素值归一化至 [0, 1] 范围，然后对图像应用 ImageNet 的通道均值减法（0.485, 0.456, 0.406）和标准差归一化（0.229, 0.224, 0.225）。
5. 仅对训练集（不在验证集或测试集上）应用以下数据增强变换：随机水平翻转（概率 = 0.5）；随机垂直翻转（概率 = 0.5）；随机旋转（范围：−30° 至 +30°，概率 = 0.5）；随机多尺度缩放（缩放因子：0.75 至 1.25，概率 = 0.....

结果

实验设置
数据集

Kvasir SEG 数据集用于评估 PWD Net 在具有异质性息肉外观的结肠镜图像上的分割性能。该数据集包含 1,000 张带有像素级标注的息肉图像，涵盖了息肉在大小、形状、纹理、光照以及背景复杂性方面的变化，因此适用于评估小目标检测、边界定位以及对视觉干扰的鲁棒性。数据集被划分为训练集、验证集和测试子集，其中最终的测试集仅用于性能评估。图像的分布情况总结于表 1中。

实施细节

为确保可重复性所需的实施设置详见表2，完整的操作细节在数据准备步骤及方案的第5.2节中提供。在解释结果时，所有报告的实验均采用材料表中列出的相同输入分辨率、硬件环境和评估条件。材料表中所列条件保持一致。报告的数值基于单次运行（随机种子 seed = 42）所选定的验证Dice检查点，因此结果应被理解为在固定实验划分下的性能表现，而非交.......

讨论

PWD-Net 协议中的若干设计选择对于实现可靠的分割结果至关重要，在实施过程中需予以仔细关注。首先，编码器主干网络的选择与初始化直接影响收敛行为和最终性能。本协议采用在 ImageNet 上预训练的 ResNet-50 编码器，以提供稳健的低层和中层特征初始化。这一点在医学图像分割任务中尤为重要，因为可用的训练数据通常有限（本研究中为 800 张图像）。对所有编码器层进行微调而非冻结，可使网络能够将预训练特征适应结肠镜图像的特定特征，例如黏膜纹理和镜面反射。其次，每个核心模块在架构中的位置安排具有明确目的。Pinwheel 卷积模块（PCM）被置于网络瓶颈处，该位置空间分辨率最低但语义信息最丰富，从而能够在不过度增加计算成本的前提下高效捕获全局几何模式。双注意力机制（DAM）被嵌入在跳跃连接中而非解码器中，确保在特征传递至解码器之前就抑制背景噪声，防止受污染的特征在融合阶段传播。消融实验（表4）支持这一设计：DAM 带来了最大的单项性能提升（Dice：+2.0%），证实了在特征处理流程早期进行噪声抑制的重要性。第三，混合损失函数（0.5 · BCE + 0.5 · Dice）在像素级分类准确性与区域级.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
Adam 优化器	—	—	包含在 PyTorch 中
Albumentations	Albumentations 团队	v1.0+	数据增强库
CUDA Toolkit	NVIDIA	v11.3+	GPU 加速
Kvasir-SEG 数据集	SimulaMet	—	https://datasets.simula.no/kvasir-seg/
Matplotlib	Matplotlib 社区	v3.4+	训练曲线可视化
NumPy	NumPy 社区	v1.21+	数值计算
NVIDIA Tesla P100	NVIDIA	P100-PCIE-16GB	用于训练和推理的 GPU
OpenCV	OpenCV 社区	v4.5+	图像预处理
Python	Python 软件基金会	v3.8+	编程语言
PyTorch	Meta Platforms	v1.12+	深度学习框架
ResNet-50 预训练权重	PyTorch 模型库	—	ImageNet-1K 预训练模型
Ubuntu	Canonical	18.04+	操作系统