基于Swin Transformer和图形推理的结直肠息肉分割方法
Colorectal polyp segmentation method based on the Swin Transformer and graph reasoning作者机构:江西理工大学电气工程与自动化学院赣州341000
出 版 物:《工程科学学报》 (Chinese Journal of Engineering)
年 卷 期:2024年第46卷第5期
页 面:897-907页
核心收录:
学科分类:1305[艺术学-设计学(可授艺术学、工学学位)] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程]
基 金:国家自然科学基金资助项目(51365017,61463018) 江西省自然科学基金面上项目(20192BAB205084) 江西省教育厅科学技术研究重点项目(GJJ170491) 江西省教育厅科学技术研究青年项目(GJJ2200848) 江西省研究生创新专项资金项目(YC2022-S676) 国家级大学生创新创业训练计划资助项目(2023104070028)
主 题:结直肠息肉 Swin Transformer 全局与局部特征交互 区域引导图推理 边缘约束图推理
摘 要:针对结直肠息肉图像分割中病灶区域尺度变化大、边缘模糊以及息肉与正常组织对比度低等问题,导致病变区域分割精度低和分割边界存在伪影,提出一种基于Swin Transformer和图形推理的自适应网络.该网络一是利用Swin Transformer编码器逐层提取输入图像的全局上下文信息,弱化背景信息干扰,多尺度分析病变区域的显著性特点.二是提出全局与局部特征交互模块增强网络对复杂病灶的空间感知能力,突出待分割目标的关键位置信息,精准定位目标.三是通过区域引导图推理模块以图循环递推的方式挖掘先验信息之间的高阶显性关系,促进图间信息传递.四是设计面向边缘细节的边缘约束图推理模块,整合边缘细节,改善分割效果,提高分割精度.在CVC-ClinicDB、Kvasir、CVC-ColonDB和ETIS数据集上进行实验,其Dice系数分别为0.939,0.926,0.810和0.788,平均交并比分别为0.889,0.879,0.731和0.710,分割性能优于现有方法.仿真实验结果表明,对于形态结构复杂、对比度低和边缘模糊的结直肠息肉图像均有较高的分割精度.