摘要：考慮到結(jié)直腸息肉圖像中病灶區(qū)域和周圍粘液存在對(duì)比度低、邊界模糊和形狀不規(guī)則等復(fù)雜特性，導(dǎo)致現(xiàn)有大部分算法無(wú)法實(shí)現(xiàn)高精準(zhǔn)的分割結(jié)直腸息肉。鑒于以上難點(diǎn)，提出一種融合PVTv2和多尺度邊界聚合的結(jié)直腸息肉分割算法。首先，利用PVTv2逐層提取腸息肉圖像中的病灶特征，解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)對(duì)病灶區(qū)域特征提取能力不足的問(wèn)題；然后，針對(duì)網(wǎng)絡(luò)對(duì)復(fù)雜病灶區(qū)域的空間特征信息表征能力不強(qiáng)的問(wèn)題，在網(wǎng)絡(luò)跳躍連接處構(gòu)建多尺度上下文空間感知模塊；其次，設(shè)計(jì)多尺度擠壓適配融合模塊聚合不同尺度的特征信息，以減少各個(gè)尺度特征的語(yǔ)義差異；最后，為進(jìn)一步加強(qiáng)邊緣細(xì)節(jié)特征的識(shí)別能力，創(chuàng)造性構(gòu)造殘差軸向雙邊界細(xì)化模塊。該算法在Kvasir-SEG和CVC-ClinicDB數(shù)據(jù)集上進(jìn)行大量實(shí)驗(yàn)驗(yàn)證，其相似性系數(shù)分別為93.29%和94.52%，平均交并比分別為88.36%和89.88%。實(shí)驗(yàn)結(jié)果表明，對(duì)于復(fù)雜的病灶區(qū)域以及病灶邊界模糊的情況，所提算法在分割精度上均有較大的提升。

關(guān)鍵詞：結(jié)直腸分割；PVTv2；上下文空間感知；擠壓適配融合；殘差軸向雙邊界細(xì)化

中圖分類號(hào)：TP183文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695（2023）05-042-1553-06

doi：10.19734/j.issn.1001-3695.2022.09.0441

0引言

結(jié)直腸癌是世界上最常見(jiàn)和最致命的惡性腫瘤之一，其后期死亡率高達(dá)90%。腸黏膜息肉是結(jié)直腸癌的前體，容易發(fā)生惡性病變，如果不及時(shí)治療將會(huì)導(dǎo)致結(jié)直腸癌變［1］。也就是說(shuō)，早發(fā)現(xiàn)和準(zhǔn)確診斷腸黏膜息肉是有效降低死亡率的關(guān)鍵。結(jié)腸鏡檢查是一項(xiàng)有效篩查和預(yù)防結(jié)直腸癌的技術(shù)，它可以篩選出結(jié)直腸息肉的位置和外觀信息，使醫(yī)生在發(fā)展為結(jié)直腸癌之前予以切除［2］。研究表明，利用結(jié)腸鏡進(jìn)行早期檢查可使結(jié)直腸癌發(fā)病率下降到30%［3］。然而，息肉通常在大小、顏色和質(zhì)地上各異，且息肉與其周圍粘膜之間對(duì)比度非常低，息肉的邊界幾乎無(wú)法區(qū)分，導(dǎo)致息肉分割不準(zhǔn)確，出現(xiàn)漏檢和錯(cuò)檢的問(wèn)題。因此，在臨床醫(yī)學(xué)下設(shè)計(jì)一種準(zhǔn)確的自適應(yīng)結(jié)直腸息肉分割算法對(duì)于預(yù)防結(jié)直腸癌具有重要意義。

結(jié)直腸息肉分割方法大致可分為兩類，即基于手工特征提取的傳統(tǒng)方法和基于深度學(xué)習(xí)的方法。傳統(tǒng)手工特征提取方法主要是通過(guò)提取顏色、輪廓、邊緣和紋理等低層次的特征，然后使用分類器來(lái)區(qū)分息肉和正常的腸粘膜。然而，傳統(tǒng)的特征提取和分類的策略高度依賴于設(shè)計(jì)者的經(jīng)驗(yàn)，在不同的腸息肉圖像中息肉的大小和形狀質(zhì)地各異，導(dǎo)致傳統(tǒng)的分割方法分割性能較差，存在較高的漏檢率和錯(cuò)檢率。近年來(lái)，隨著深度學(xué)習(xí)的普及，卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetwork，CNN）在各種計(jì)算機(jī)視覺(jué)任務(wù)中都取得了顯著的突破。比如Zhou等人［4］在原U-Net［5］的基礎(chǔ)上添加了一系列嵌套的密集跳躍路徑，形成了一個(gè)具有深度監(jiān)督密集連接的編解碼器網(wǎng)絡(luò)U-Net++。密集跳躍路連接和卷積操作，能有效地提高小物體的分割性能，實(shí)現(xiàn)了良好的深層聚合。Khanh等人［6］提出一種空間通道注意門（scAG），并將其引入U(xiǎn)-Net，用于異常組織分割。scAG可將上下文信息嵌入到編碼器的低級(jí)特征中，引導(dǎo)網(wǎng)絡(luò)模型更多地關(guān)注重要區(qū)域，從而減小編碼器和解碼器特征之間的語(yǔ)義差異。Fang等人［7］構(gòu)建一種具有面積和邊界約束的三步選擇性特征聚合網(wǎng)絡(luò)用于息肉分割，該方法充分考慮了區(qū)域和邊界之間的依賴關(guān)系，并在額外的邊緣監(jiān)督下獲得了良好的分割結(jié)果。Zhang等人［8］為了提高對(duì)全局上下文特征信息建模的效率，同時(shí)防止底層細(xì)節(jié)特征的丟失，提出一種基于Transformer和CNN的并行分支架構(gòu)網(wǎng)絡(luò)TransFuse。

與傳統(tǒng)方法相比，基于深度學(xué)習(xí)的方法在其準(zhǔn)確性和泛化性上得到了質(zhì)的飛躍，但依然存在問(wèn)題，比如在局部過(guò)度曝光區(qū)域分割結(jié)果容易出現(xiàn)偽影、分割邊緣不連續(xù)、出現(xiàn)誤分割等。為了提高分割精度以及銳化邊緣細(xì)節(jié)，本文提出一種融合PVTv2（PyramidVisionTransformerv2）［9］和多尺度邊界聚合的結(jié)直腸息肉分割算法，主要包括以下工作：a）Transformer和CNN的結(jié)合，利用PVTv2作為主干網(wǎng)絡(luò)，逐層提取息肉圖像的語(yǔ)義信息和空間細(xì)節(jié)，構(gòu)建特征信息之間的長(zhǎng)期依賴關(guān)系，緊接著利用CNN對(duì)特征信息進(jìn)一步提取，以提升網(wǎng)絡(luò)的魯棒性和泛化性；b）為了減少編碼器與解碼器之間的語(yǔ)義鴻溝和增強(qiáng)對(duì)待分割目標(biāo)區(qū)域的表征能力，在跳躍連接處構(gòu)建多尺度上下文空間感知模塊；c）為了有效地融合高級(jí)特征、低級(jí)特征和全局上下文特征，本文設(shè)計(jì)一種多尺度擠壓適配融合模塊；d）創(chuàng)造性地構(gòu)建一種殘差軸向雙邊界細(xì)化模塊，以高級(jí)位置特征信息作為邊界約束，協(xié)同淺層特征信息，進(jìn)一步銳化目標(biāo)區(qū)域的邊緣細(xì)節(jié)，提升分割性能。

1算法描述

針對(duì)現(xiàn)有方法不能充分利用位置特征信息以及對(duì)病灶特征的邊緣像素點(diǎn)劃分不準(zhǔn)確，導(dǎo)致出現(xiàn)其分割邊界模糊、錯(cuò)分割和漏分割等問(wèn)題，本文提出一種融合PVTv2和多尺度邊界聚合網(wǎng)絡(luò)（PVTv2andmultiscaleboundaryaggregationnetwork，PMBA-Net）。PMBA-Net模型總體架構(gòu)如圖1所示，該模型主要結(jié)構(gòu)包括四個(gè)部分即編碼器、多尺度上下文空間感知模塊（scalecontextspatialawarenessmodule，CSAM）、多尺度擠壓適配融合模塊（multi-scaleextrusionfittingfusionmodule，MSEM）、殘差軸向雙邊界細(xì)化模塊（residualaxialdoubleboundaryrefinementmodule，RADBRM）。編碼器采用金字塔視覺(jué)變壓器PVTv2作為主干網(wǎng)絡(luò)，逐層提取息肉圖像的語(yǔ)義信息和空間細(xì)節(jié)，捕獲特征信息之間的長(zhǎng)期依賴關(guān)系。多尺度上下文空間感知模塊利用不同的感受野去適應(yīng)不同大小的分割目標(biāo)，并動(dòng)態(tài)地構(gòu)建多個(gè)尺度特征信息之間的空間聯(lián)系；多尺度擠壓適配融合模塊通過(guò)逐級(jí)上采樣操作聚合來(lái)自不同層次的上下文空間特征信息，增強(qiáng)每個(gè)層次通道特征信息的表征能力，弱化不同層次之間的語(yǔ)義鴻溝；殘差軸向雙邊界細(xì)化模塊利用所得的高級(jí)位置特征信息作為雙邊引導(dǎo)，并通過(guò)額外的邊界監(jiān)督來(lái)抑制非病灶區(qū)域的邊界特征，從而細(xì)化病灶區(qū)域的邊界。

1.1多尺度上下文空間感知模塊

由于不同結(jié)直腸息肉圖像中待分割目標(biāo)區(qū)域大小和位置存在巨大的差異，單一尺度的特征學(xué)習(xí)往往不能兼顧上下文信息以及不能有效地對(duì)全局和局部特征信息進(jìn)行自適應(yīng)加權(quán)。在一定程度上將導(dǎo)致其特征提取能力不足，最終影響分割性能。為了獲得圖像的空間上下文特征信息，得到相應(yīng)的具備上下文空間相關(guān)性信息的多尺度特征注意力圖，受文獻(xiàn)［10，11］的啟發(fā)，提出多尺度上下文空間感知模塊。CSAM能動(dòng)態(tài)地分配不同尺度下的權(quán)重，增強(qiáng)對(duì)待分割目標(biāo)區(qū)域的表征能力，其結(jié)構(gòu)如圖2所示。CSAM主要包括多尺度上下文表征模塊［12］（multiscalecontextrepresentationmodule，MCRM）、空間注意力機(jī)制［13］（spatialattentionmechanism，SAM）和殘差連接結(jié)構(gòu)三個(gè)部分。為了減少計(jì)算的空間復(fù)雜度和時(shí)間復(fù)雜度，特征圖在輸送到多尺度上下文表征模塊前，使用1×1的卷積核提取特征并壓縮通道數(shù)量。MCRM由四個(gè)并行分支組成，以空洞卷積級(jí)聯(lián)方式堆疊而成，每個(gè)分支都設(shè)置不同的空洞卷積率，空洞卷積率依次為1，1，3和5，最終每個(gè)分支獲得的感受野分別為3，7，9和19。經(jīng)過(guò)卷積后，每個(gè)分支的通道數(shù)量與原輸入通道數(shù)量保持一致。最后，將提取到的四個(gè)多尺度特征注意力圖進(jìn)行矩陣加法運(yùn)算。為了強(qiáng)化不同分支之間的空間特征響應(yīng)，聚焦特征圖中的病灶部分，弱化背景顏色的特征激活，本文在MCRM之后引入空間注意力機(jī)制SAM。SAM首先對(duì)特征圖進(jìn)行全局最大池化和全局平均池化操作，其中全局最大池化是對(duì)腸息肉圖像中的病灶區(qū)域進(jìn)行去噪，最大池化主要作用是凸顯病灶區(qū)域；接著將兩種池化后的特征圖進(jìn)行拼接，然后對(duì)所得特征圖采用7×7的卷積操作建立局部與全局特征信息的聯(lián)系，利用sigmoid激活函數(shù)計(jì)算特征圖向量。最后將原始特征圖與經(jīng)過(guò)sigmoid激活函數(shù)后得到的特征向量進(jìn)行乘法。為了避免梯度消失，加快網(wǎng)絡(luò)收斂速度，本文在SAM輸出后面引入殘差短連接。

1.2多尺度擠壓適配融合模塊

網(wǎng)絡(luò)解碼部分得到不同尺度的特征圖主要包含編碼路徑提取的低級(jí)語(yǔ)義特征和解碼路徑編譯的高級(jí)語(yǔ)義特征。高級(jí)語(yǔ)義信息具有豐富的空間細(xì)節(jié)信息，低級(jí)語(yǔ)義信息含有明顯的輪廓細(xì)節(jié)。通過(guò)簡(jiǎn)單的上采樣操作去放大不同尺度的特征圖，容易造成特征圖局部信息丟失。為了適應(yīng)性地捕獲和聚合多個(gè)層次上的局部細(xì)節(jié)信息和全局語(yǔ)義信息，并且能自適應(yīng)不同大小和形狀的病灶區(qū)域分割。Liu等人［14］提出領(lǐng)域上下文細(xì)化模塊通過(guò)循環(huán)利用上下文信息，從而精準(zhǔn)定位病變區(qū)域。Zamir等人［15］提出選擇性核特征融合模塊對(duì)多尺度信息進(jìn)行自適應(yīng)聚合，互補(bǔ)不同階段上的語(yǔ)義空白，進(jìn)而減少局部信息的丟失。本文構(gòu)建多尺度擠壓適配融合模塊MSEM來(lái)處理不同尺度之間的特征聯(lián)系，其結(jié)構(gòu)如圖3所示。圖3中X2，X3和X4（Xi∈{H/2i+1，W/2i+1}，i∈（2，3，4），H和W為特征圖的高和寬）分別為編碼器stage2、stage3和stage4經(jīng)過(guò)多尺度上下文空間感知模塊后輸出的特征圖。該模塊主要分為以下三個(gè)部分：

1.3殘差軸向雙邊界細(xì)化模塊

傳統(tǒng)的結(jié)直腸息肉分割網(wǎng)絡(luò)，主要是通過(guò)上下采樣的方式，在進(jìn)行圖像分割時(shí)容易產(chǎn)生邊界模糊。文獻(xiàn)［17］提出一種反轉(zhuǎn)注意力模塊用于結(jié)直腸息肉分割，有效地改善了邊緣細(xì)節(jié)模糊的問(wèn)題，但容易丟失邊界外的上下文信息，在此基礎(chǔ)上，文獻(xiàn)［18］提出雙邊邊界提取模塊來(lái)解決病灶邊緣像素點(diǎn)劃分和精準(zhǔn)定位病灶區(qū)域。文獻(xiàn)［19］通過(guò)軸向注意操作，以增強(qiáng)邊緣病變特征之間的信息交互。本文結(jié)合反轉(zhuǎn)注意力、雙邊邊界特征提取和軸向殘差結(jié)構(gòu)的優(yōu)點(diǎn)提出殘差軸向雙邊界細(xì)化模塊RADBRM，以高級(jí)的位置信息作為雙邊引導(dǎo)，增強(qiáng)息肉的邊界特征響應(yīng)，并通過(guò)額外的邊界監(jiān)督來(lái)抑制背景顏色的特征激活，其結(jié)構(gòu)如圖4所示。該模塊由三個(gè)級(jí)聯(lián)分支構(gòu)成，在第一條分支和第三條分支中，將輸入特征圖F1進(jìn)行上采樣操作，得到與X1具有相同尺寸的特征圖U2和U3，為了凸顯息肉圖像的非病灶區(qū)域，將采樣后的特征圖U2與X1進(jìn)行矩陣乘法。對(duì)特征圖U3使用reverse操作以獲得更好的邊界像素級(jí)預(yù)測(cè)的特征表示F2。其中reverse操作是從單位矩陣中減去輸入特征圖經(jīng)過(guò)sigmoid激活函數(shù)后的取反操作。在第二條分支中，為了增強(qiáng)通道、空間特征表征能力，同時(shí)額外地為第三條分支提供輪廓信息，本文利用軸向注意力機(jī)制［20］對(duì)特征圖X1中的每一行、每一列像素點(diǎn)做相關(guān)性的建模，并引入殘差結(jié)構(gòu)來(lái)緩解梯度消失問(wèn)題。同時(shí)，為了進(jìn)一步減少非病灶區(qū)域的響應(yīng)和聚焦病灶區(qū)域的邊緣細(xì)節(jié)，將第一條分支和第三條分支所獲得的結(jié)果進(jìn)行矩陣加法。

2實(shí)驗(yàn)結(jié)果與分析

2.1數(shù)據(jù)集及實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)采用三個(gè)公開(kāi)的醫(yī)學(xué)影像數(shù)據(jù)集來(lái)驗(yàn)證本文模型的有效性和泛化性。使用CVC-ClinicDB［21］數(shù)據(jù)集和Kvasir-SEG［22］數(shù)據(jù)集驗(yàn)證模型的有效性，使用ETIS［23］數(shù)據(jù)集驗(yàn)證模型的泛化性。其中CVC-ClinicDB數(shù)據(jù)集是由醫(yī)學(xué)圖像計(jì)算機(jī)與計(jì)算機(jī)輔助干預(yù)國(guó)際會(huì)議于2015年發(fā)布。Kvasir-SEG數(shù)據(jù)集是由挪威奧斯陸大學(xué)醫(yī)院內(nèi)窺鏡專家采集并標(biāo)注。ETIS數(shù)據(jù)集是由MIC-CAI息肉挑戰(zhàn)賽于2017年發(fā)布。3個(gè)數(shù)據(jù)集的具體細(xì)節(jié)如表1所示。實(shí)驗(yàn)中CVC-ClinicDB數(shù)據(jù)集按照文獻(xiàn)［17，24］的劃分方法把數(shù)據(jù)集按照8：1：1劃分為訓(xùn)練集、驗(yàn)證集、測(cè)試集；Kvasir-SEG數(shù)據(jù)集按照文獻(xiàn)［25，26］的方法將88%的數(shù)據(jù)作為訓(xùn)練集，12%的數(shù)據(jù)作為測(cè)試集；ETIS數(shù)據(jù)集全部作為測(cè)試集。

本文算法硬件設(shè)備參數(shù)為IntelCorei7-6700HCPU，16GB內(nèi)存，顯卡為NVIDIAGeForceGTX2070，內(nèi)存為8GB；軟件環(huán)境為Ubuntu16.04操作系統(tǒng)，深度學(xué)習(xí)框架為PyTorch1.7.1。為了客觀地評(píng)價(jià)本文算法的準(zhǔn)確性，在進(jìn)行算法模型對(duì)比時(shí)，采用的模型參數(shù)幾乎保持一致。輸入到模型的圖像大小統(tǒng)一調(diào)整為256×256，在訓(xùn)練過(guò)程中采用Adam優(yōu)化器，初始學(xué)習(xí)率設(shè)置為0.0001，動(dòng)量和權(quán)重衰減分別設(shè)置為0.9和0.0005，使用加權(quán)IoU損失和加權(quán)二進(jìn)制交叉熵?fù)p失之和，批量處理量設(shè)置為12，迭代次數(shù)設(shè)置為100，并使用多尺度訓(xùn)練策略{0.75，1，1.25}。當(dāng)驗(yàn)證集的平均相似性系數(shù)連續(xù)20輪不再變優(yōu)，則提前終止訓(xùn)練。本文算法迭代到57次時(shí)停止訓(xùn)練。

2.3實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文模型的分割性能，將本文算法（PMBA-Net）與目前最具代表性的算法進(jìn)行對(duì)比，包括U-Net［5］、U-Net++［4］、PraNet［17］、HarDNet-MSEG［25］和CaraNet［27］，最終得到不同模型的分割性能指標(biāo)。在Kvasir-SEG和CVC-ClinicDB數(shù)據(jù)集上的分割性能指標(biāo)如表2所示。表2中加粗表示此項(xiàng)指標(biāo)最優(yōu)。

從表2中的結(jié)果可以發(fā)現(xiàn)，本文算法在Kvasir-SEG數(shù)據(jù)集上的指標(biāo)均高于在同一配置環(huán)境下對(duì)比的其他算法，其相似性系數(shù)、平均交并比、精確度、召回率、F1分?jǐn)?shù)和F2分?jǐn)?shù)分別為93.29%、88.36%、94.13%、93.21%、93.29%和93.13%，同時(shí)浮點(diǎn)運(yùn)算速度（FLOPs，用于衡量模型的復(fù)雜度）為5.538G，均低于上述五種算法。相比U-Net算法在這六項(xiàng)指標(biāo)中分別提高了6.14%、8.23%、2.84%、6.89%、6.14%和6.79%。與CaraNet算法相比，在相似性系數(shù)和平均交并比這兩個(gè)指標(biāo)上分別提高了1.37%和1.93%。在CVC-ClinicDB數(shù)據(jù)集上對(duì)比的六項(xiàng)指標(biāo)分別為94.52%、89.88%、94.05%、95.24%、94.52%和94.92%。除了召回率和F2值略低外，其他四項(xiàng)指標(biāo)均高于對(duì)比算法，其中PraNet算法在F2值上取得最優(yōu)，CaraNet算法在召回率獲得最優(yōu)，均比本文算法略高0.88%和0.06%，而本文算法在平均相似性系數(shù)上比PraNet和CaraNet算法高出0.52%和0.35%，在平均交并上比PraNet和CaraNet算法高出0.52%和0.43%，進(jìn)一步說(shuō)明本文算法能很好地抑制背景顏色的干擾，精準(zhǔn)定位息肉以及權(quán)衡背景像素和前景像素不平衡問(wèn)題。圖5和6分別展示了本文算法與其他分割算法在Kvasir-SEG和CVC-ClinicDB數(shù)據(jù)集上的分割結(jié)果對(duì)比。圖（a）代表數(shù)據(jù)庫(kù)的原始圖像，圖（b）對(duì)應(yīng)的是真實(shí)標(biāo)簽，圖（c）～（h）分別代表U-Net、U-Net++、PraNet、HarDNet-MSEG、CaraNet和本文算法分割結(jié)果。在圖5的第一行和第二行的結(jié)直腸病變圖像中，病變區(qū)域和正常的組織在顏色上高度一致，U-Net、U-Net++和PraNet不能有效地精準(zhǔn)定位息肉，容易將背景像素誤分割成息肉，導(dǎo)致分割邊界出現(xiàn)偽影，分割結(jié)果內(nèi)部不連續(xù)，出現(xiàn)了錯(cuò)分割現(xiàn)象，使得結(jié)果誤差極大。而HarDNet-MSEG和CaraNet能有效地區(qū)分病變區(qū)域和正常的組織，但在病變邊界上，分割結(jié)果依然存在誤分割的情況。本文算法通過(guò)采用金字塔結(jié)構(gòu)的PVTv2通過(guò)重塑圖像結(jié)構(gòu)，縮短遠(yuǎn)距離特征間距，充分捕獲更多的空間細(xì)節(jié)，減少背景與前景的誤分類，能清晰地識(shí)別病灶位置和大小，使分割結(jié)果更加精準(zhǔn)。在圖5中的第3行、第4行和圖6中第1行、第4行結(jié)直腸病變圖像中，病變區(qū)域存在局部過(guò)度曝光的現(xiàn)象，U-Net和U-Net++分割算法抑制背景顏色干擾能力差，在局部過(guò)度曝光的小區(qū)域容易產(chǎn)生漏分割以及分割邊界處存在偽影，而PraNet、HarDNet-MSEG和本文算法在分割局部過(guò)度曝光區(qū)域時(shí)，能夠有效地抑制背景顏色干擾，減少漏分割和分割邊界不連續(xù)的問(wèn)題以及在過(guò)度曝光區(qū)域產(chǎn)生假陽(yáng)性的概率大大減少。在圖6中第2、3中的結(jié)直腸病變圖像中息肉邊界區(qū)域與周圍黏膜之間的對(duì)比度非常低，在對(duì)比度低的區(qū)域容易錯(cuò)分割和漏分割，例如U-Net、U-Net++、PraNet和HarDNet-MSEG均出現(xiàn)邊緣細(xì)節(jié)模糊不平滑。本文算法豐富的特征提取能準(zhǔn)確地定位息肉，邊界細(xì)節(jié)處理模塊能有效地將息肉邊緣平滑處理，減少誤分割、錯(cuò)分割的弊端，而其他算法卻不同程度地出現(xiàn)了邊界錯(cuò)分，產(chǎn)生錯(cuò)分斑點(diǎn)，其邊緣細(xì)節(jié)的平滑處理進(jìn)一步驗(yàn)證本文算法的準(zhǔn)確性和魯棒性?；谏鲜龇治?，本文算法在采用金字塔結(jié)構(gòu)的Transformer同時(shí)采用多尺度上下文空間感知模塊、擠壓適配融合模塊和殘差軸向雙邊界細(xì)化模塊，使分割結(jié)果在邊緣細(xì)節(jié)處理上和病變區(qū)域內(nèi)部連貫上更加接近掩膜。

為了更加直觀地體現(xiàn)本文算法的優(yōu)越性，圖7給出了不同算法在Kvasir-SEG數(shù)據(jù)集上的受試者工作特征（ROC）曲線圖7（a）和精度召回率（PR）曲線圖7（b）走勢(shì)。ROC圖中曲線越靠近左上角表明分割精度越高，PR圖中曲線與靠近右上角表明正負(fù)樣本區(qū)分效果越好。從圖7（a）可以看出，本文算法PMBA-Net曲線更接近于左上角和最高的AUC值，進(jìn)一步說(shuō)明了本文算法PMBA-Net比其他先進(jìn)算法分類息肉和非息肉像素點(diǎn)能力更強(qiáng)，能有效地弱化背景顏色的干擾。由圖7（b）可以看出本文算法PMBA-Net曲線越接近于右上角，說(shuō)明分類息肉圖像像素時(shí)錯(cuò)誤分類為非息肉像素的概率最低。

2.4消融實(shí)驗(yàn)

為了驗(yàn)證本文算法模型中各個(gè)模塊的有效性，采用控制變量法在Kvasir-SEG數(shù)據(jù)集上進(jìn)行消融實(shí)驗(yàn)，分別缺失多尺度上下文空間感知模塊、多尺度擠壓適配模塊和殘差軸向雙邊界細(xì)化模塊測(cè)試算法性能，實(shí)驗(yàn)結(jié)果如表3所示，其中最優(yōu)指標(biāo)加粗表示。通過(guò)對(duì)比表3中第1行和第4行的實(shí)驗(yàn)結(jié)果，結(jié)果表明多尺度上下文空間感知模塊能夠提升1.11%的RMDice和1.4%的RmIoU指標(biāo)，驗(yàn)證了多尺度上下文空間感知模塊能有效地聚焦特征圖中的病灶部分，弱化病理和噪聲的影響，從不同尺度中捕獲更多的空間細(xì)節(jié)，進(jìn)而提升分割性能。通過(guò)對(duì)比表中第2行和第4行的實(shí)驗(yàn)結(jié)果，精確度由原來(lái)的93.07%提升到了94.13%，召回率由原來(lái)的92.99%提升到了93.21%，表明殘差軸向雙邊界細(xì)化模塊能有效地識(shí)別病灶邊緣像素點(diǎn)，增強(qiáng)網(wǎng)絡(luò)對(duì)特征的適應(yīng)能力，在提高邊緣像素點(diǎn)劃分能力的同時(shí)能有效地定位病變區(qū)域，使預(yù)測(cè)結(jié)果精度更高。通多對(duì)比第3行和第4行的實(shí)驗(yàn)結(jié)果，RMDice、RmIoU、P和RF2均提高了0.55%、0.79%、0.96%和0.07%，表明多尺度擠壓適配融合模塊能減少聚合過(guò)程中由于語(yǔ)義空白而引起的鴻溝問(wèn)題，并充分融合不同層次上的特征信息，為病灶區(qū)域分配更高的權(quán)重，對(duì)全局信息進(jìn)行有效建模。以上實(shí)驗(yàn)結(jié)果說(shuō)明，本文所提的PMBA-Net具有一定的合理性和有效性。

2.5泛化性能

為了進(jìn)一步驗(yàn)證本文模型算法的泛化性能，本文分別在Kvasir-SEG和CVC-ClinicDB數(shù)據(jù)集上進(jìn)行訓(xùn)練，在ETIS數(shù)據(jù)集上進(jìn)行測(cè)試。在實(shí)驗(yàn)中，本文依然將Kvasir-SEG數(shù)據(jù)集按照88%劃分為訓(xùn)練集，12%劃分為測(cè)試集，將CVC-ClinicDB數(shù)據(jù)集按照8：1：1的方式劃分訓(xùn)練集、驗(yàn)證集和測(cè)試集，ETIS數(shù)據(jù)集作為測(cè)試集，并分別與U-Net、U-Net++、PraNet、HarDNet-MSEG和CaraNet模型進(jìn)行對(duì)比。其各種量化結(jié)果如表4所示，加粗表示此項(xiàng)指標(biāo)最優(yōu)。

在Kvasir-SEG數(shù)據(jù)集上訓(xùn)練，在ETIS數(shù)據(jù)集上測(cè)試泛化結(jié)果：從表4可以看出，本文算法在相似性系數(shù)、平均交并比，F(xiàn)1值和F2值取得了最優(yōu)的效果分別為74.73%、66.42%、74.73%和76.99%。其中PraNet算法在精確度指標(biāo)上最優(yōu)為76.04%，CaraNet算法在召回率指標(biāo)上獲得最優(yōu)值為79.93%，相比本文算法略高1.81%和0.44%，但F1分?jǐn)?shù)均比本文算法低17.23%和4.04%，F(xiàn)2分?jǐn)?shù)均比本文算法低18.27%和1.86%。

在CVC-ClinicDB數(shù)據(jù)集上訓(xùn)練，在ETIS數(shù)據(jù)集上測(cè)試泛化結(jié)果：從表4中可以看出，本文算法在相似性系數(shù)、平均交并比、準(zhǔn)確度和F1分?jǐn)?shù)上取得最優(yōu)的結(jié)果，與HarDNet-SEGM先進(jìn)算法相比，分別提高了5.65%、4.27%、2.24%和5.65%，其召回率和F2分?jǐn)?shù)取得次優(yōu)的結(jié)果。綜合分析對(duì)比，本文算法在未知數(shù)據(jù)集上的泛化能力較強(qiáng)，在保證分割精度的同時(shí)能權(quán)衡召回率和精確度。

3結(jié)束語(yǔ)

針對(duì)結(jié)直腸息肉圖像中病灶區(qū)域和周圍粘膜對(duì)比度不均勻、邊界模糊、病灶區(qū)域變化尺度大和形狀不規(guī)則等復(fù)雜特性，提出一種融合PVTv2和多尺度邊界聚合的結(jié)直腸息肉分割算法。其中多尺度上下文空間感知模塊能根據(jù)病灶區(qū)域的大小自適應(yīng)地分配權(quán)重，并捕獲不同尺度特征信息之間的位置關(guān)聯(lián)性。為了減少不同階段之間的語(yǔ)義鴻溝，構(gòu)建多尺度擠壓適配融合模塊聚合不同層次的抽象語(yǔ)義信息和空間細(xì)節(jié)特征。通過(guò)設(shè)計(jì)殘差軸向雙邊界細(xì)化模塊來(lái)增強(qiáng)邊緣細(xì)節(jié)特征的識(shí)別能力，構(gòu)建邊界與全局的聯(lián)系。在Kvasir-SEG和CVC-ClinicDB數(shù)據(jù)集對(duì)該算法進(jìn)行測(cè)試，其相似性系數(shù)、平均交并比分別為93.29%和94.52%，88.36%和89.88%。相對(duì)于經(jīng)典算法U-Net這兩個(gè)評(píng)價(jià)指標(biāo)分別提升了6.14%和2.04%，8.23%和2.9%。同時(shí)，在Kvasir-SEG數(shù)據(jù)集上進(jìn)行了消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明三個(gè)創(chuàng)新模塊的有效性。最后，為了驗(yàn)證本文算法的泛化性，在ETIS數(shù)據(jù)集上進(jìn)行了對(duì)應(yīng)實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果進(jìn)一步說(shuō)明了本文算法在未知數(shù)據(jù)集上的適應(yīng)能力較強(qiáng)，魯棒性較好。

參考文獻(xiàn)：

［1］SiegelRL，MillerKD，F(xiàn)uchsHE，etal.Cancerstatistics［J］.CA：aCancerJournalforClinicians，2021，71（1）：7-33.

［2］ZauberAG，WinawerSJ，O′BrienMJ，etal.Colonoscopicpolypectomyandlong-termpreventionofcolorectal-cancerdeaths［J］.NationalLibraryofMedicine，2012，366（8）：687-696.

［3］HaggarFA，BousheyRP.Colorectalcancerepidemiology：incidence，mortality，survival，andriskfactors［J］.ClinicsinColonandRectalSurgery，2009，22（4）：191-197.

［4］ZhouZongwei，SiddiqueeMMR，TajbakhshN，etal.UNet+：anestedU-Netarchitectureformedicalimagesegmentation［M］//DeepLearninginMedicalImageAnalysisandMultimodalLearningforClinicalDecisionSupport.Cham：Springer，2018：3-11.

［5］RonnebergerO，F(xiàn)ischerP，BroxT.U-Net：convolutionalnetworksforbiomedicalimagesegmentation［C］//ProcofInternationalConferenceonMedicalImageComputingandComputer-AssistedIntervention.Cham：Springer，2015：234-241.

［6］KhanhTLB，DaoDP，HoNH，etal.EnhancingU-Netwithspatial-channelattentiongateforabnormaltissuesegmentationinmedicalimaging［J］.AppliedSciences，2020，10（17）：5729.

［7］FangYuqi，ChenG，YuanYixuan，etal.Selectivefeatureaggregationnetworkwitharea-boundaryconstraintsforpolypsegmentation［C］//ProcofInternationalConferenceonMedicalImageComputingandComputer-AssistedIntervention.Cham：Springer，2019：302-310.

［8］ZhangYundong，LiuHuiye，HuQiang.TransFuse：fusingtransformersandCNNsformedicalimagesegmentation［C］//ProcofInternationalConferenceonMedicalImageComputingandComputerAssistedIntervention.Cham：Springer，2021：14-24.

［9］WangWenhai，XieEnze，LiXiang，etal.PVTv2：improvedbaselineswithpyramidvisiontransformer［J］.ComputationalVisualMedia，2022，8（3）：415-424.

［10］張宇杰，葉西寧.基于WU-Net網(wǎng)絡(luò)的肺結(jié)節(jié)圖像分割算法［J］.計(jì)算機(jī)應(yīng)用研究，2022，39（3）：895-899，905.（ZhangYujie，YeXi-ning.ImprovedlungnodulessegmentationalgorithmonWU-Net［J］.ApplicationResearchofComputers，2022，39（3）：895-899，905.）

［11］梁禮明，盛校棋，藍(lán)智敏，等.自適應(yīng)尺度信息的U型視網(wǎng)膜血管分割算法［J］.光學(xué)學(xué)報(bào)，2019，39（8）：126-140.（LiangLiming，ShengXiaoqi，LanZhimin，etal.U-Shapedretinalvesselsegmentationalgorithmbasedonadaptivescaleinformation［J］.ActaOpticaSinica，2019，39（8）：126-140.）

［12］GuZaiwang，ChengJun，F(xiàn)uHuazhu，etal.CE-Net：contextencodernetworkfor2Dmedicalimagesegmentation［J］.IEEETransonMedicalImaging，2019，38（10）：2281-2292.

［13］WooS，ParkJ，LeeJY，etal.CBAM：convolutionalblockattentionmodule［C］//ProcofEuropeanConferenceonComputerVision.Cham：Springer，2018：3-19.

［14］LiuQi，WangJingkun，ZuoMengying，etal.NCRNet：neighborhoodcontextrefinementnetworkforskinlesionsegmentation［J］.Compu-tersinBiologyandMedicine，2022，146：105545-105545.

［15］ZamirSW，AroraA，KhanS，etal.Learningenrichedfeaturesforrealimagerestorationandenhancement［C］//ProcofEuropeanConfe-renceonComputerVision.Cham：Springer，2020：492-511.

［16］HuJie，ShenLi，SunGang.Squeeze-and-excitationnetworks［C］//ProcofIEEEConferenceonComputerVisionandPatternRecognition.Piscataway，NJ：IEEEPress，2018：7132-7141.

［17］FanDengping，JiGepeng，ZhouTao，etal.PRANet：parallelreverseattentionnetworkforpolypsegmentation［C］//ProcofInternationalConferenceonMedicalImageComputingandComputer-AssistedIntervention.Cham：Springer，2020：263-273.

［18］YueGuanghui，HanWanwan，JiangBin，etal.Boundaryconstraintnetworkwithcrosslayerfeatureintegrationforpolypsegmentation［J］.IEEEJournalofBiomedicalandHealthInformatics，2022，26（8）：4090-4099.

［19］DucNT，OanhNT，ThuyNT，etal.ColonFormer：anefficienttransformerbasedmethodforcolonpolypsegmentation［EB/OL］.（2022-06-07）.http：//doi.org/10.48550/arxiv.2205.08473.

［20］WangHuiyu，ZhuYukun，GreenB，etal.Axial-DeepLab：stand-aloneaxial-attentionforpanopticsegmentation［C］//ProcofEuropeanConferenceonComputerVision.Cham：Springer，2020：108-126.

［21］BernalJ，SánchezFJ，F(xiàn)ernández-EsparrachG，etal.WM-DOVAmapsforaccuratepolyphighlightingincolonoscopy：validationvs.saliencymapsfromphysicians［J］.ComputerizedMedicalImagingandGraphics，2015，43：99-111.

［22］JhaD，SmedsrudPH，RieglerMA，etal.Kvasir-SEG：asegmentedpolypdataset［C］//ProcofInternationalConferenceonMultimediaModeling.Cham：Springer，2020：451-462.

［23］SilvaJ，HistaceA，RomainO，etal.TowardembeddeddetectionofpolypsinWCEimagesforearlydiagnosisofcolorectalcancer［J］.InternationalJournalofComputerAssistedRadiologyandSurgery，2014，9（2）：283-293.

［24］HuangXiaodong，ZhuoLi，ZhangHui，etal.Polypsegmentationnetworkwithhybrid.channel-spatialattentionandpyramidglobalcontextguidedfeaturefusion［J］.ComputerizedMedicalImagingandGraphics，2022，98：102072.

［25］HuangCH，WuHY，LinYL.HarDNet-MSEG：asimpleencoder-decoderpolypsegmentationneuralnetworkthatachievesover0.9meandiceand86FPS［EB/OL］.（2021-01-18）.https：//arxiv.org/abs/2101.07172v2.

［26］TomarNK，JhaD，BagciU，etal.TGANet：text-guidedattentionforimprovedpolypsegmentation［EB/OL］.（2022-05-09）.http：//doi.org/10.48550/arxiv.2205.04280.

［27］LouAnge，GuanShuyue，KoH，etal.CaraNet：contextaxialreverseattentionnetworkforsegmentationofsmallmedicalobjects［EB/OL］.（2022-01-13）.http：//doi.org/10.48550/arxiv.2108.07368.