来源:International Journal of Imaging Systems and Technology 发布时间:2026/11/16 11:20:44
选择字号:小 中 大
IMA|西安邮电大学:ESFCU-Net:轻量化自注意力与边缘增强的息肉图像分割

文章导读

针对内镜息肉图像尺度差异大、低对比、边界模糊及背景干扰明显,同时现有深度模型计算开销较高的问题,作者提出轻量级混合网络 ESFCU-Net。该方法以改进 Fire 结构构建边缘自注意力模块(ESF),在跳跃连接中引入坐标注意力,并通过多尺度输出联合局部细节与全局上下文。模型仅约 150 万可训练参数,在 Kvasir-SEG、CVC-ClinicDB 及独立内部临床数据集上获得较好的区域重叠、边界定位与跨数据集泛化表现,为资源受限场景下的内镜图像智能分割提供了新的轻量化方案。

正文导读

01 研究背景:息肉分割为何既要“分得准”,又要“跑得轻”?

内镜息肉自动分割需要在复杂成像条件下稳定勾勒病灶区域与边界。真实图像中,息肉大小、颜色、纹理和形态差异明显,病灶与周围黏膜常具有较高相似性,还会受到光照变化、低对比、胃肠内容物和运动模糊等因素影响。传统 CNN 擅长局部特征提取,但对长距离依赖与全局上下文建模有限;而参数量较大的模型又不利于资源受限设备部署。因此,如何兼顾分割精度、边界敏感性和计算效率,是该研究关注的核心问题。

02 方法思路:轻量编码—解码结构融合局部、全局与边缘信息

ESFCU-Net 采用编码器—解码器框架,在网络中交替嵌入边缘自注意力 Fire(ESF)模块,并在跳跃连接中加入坐标注意力模块(CAM)。ESF 在保持较低参数量的同时强化复杂纹理与边缘特征,并通过自注意力补充长距离信息;CAM 从水平和垂直方向编码位置信息,抑制背景响应、减少空间细节丢失。多尺度输出则在不同解码层产生预测并进一步融合,使网络能够适应不同大小和形态的息肉。

图1 ESFCU-Net总体网络结构

03 核心创新:ESF模块兼顾边缘增强、自注意力与轻量化

论文的关键设计是 ESF 模块。该模块在改进 Fire 结构的基础上,将轻量卷积、边缘信息提取与自注意力建模结合起来:一方面以较少参数完成多尺度局部特征提取,另一方面利用注意力机制捕获远距离依赖,从而改善复杂边缘、细小突起和凹陷区域的表达。消融实验显示,从基础网络加入 Fire、进一步替换为 ESF,再叠加坐标注意力后,区域重叠和边界指标逐步改善,说明这些组件具有互补作用。

图2 ESF模块结构:轻量卷积、自注意力与边缘增强协同建模

04 实验结果:公开数据集与独立临床数据共同验证

在 CVC-ClinicDB 上,ESFCU-Net 的 Dice、mIoU 和 Precision 分别达到 0.963、0.946 和 0.979;在 Kvasir-SEG 上分别达到 0.959、0.935 和 0.964。论文同时进行了跨数据集泛化测试:在一个公开数据集训练、另一个公开数据集测试时,模型在多项指标上仍保持竞争力。更值得关注的是,作者将公开数据训练得到的模型应用于西安红会医院 45 例患者、105 幅息肉图像的内部测试,获得 Dice 0.871、mIoU 0.857 和 Precision 0.906,并在 HD、MSD 等边界指标上保持较好表现。

图3 独立内部临床数据集上的可视化比较

05 研究意义:面向资源受限部署,同时保留真实临床边界条件

从方法设计看,ESFCU-Net 将轻量卷积、全局依赖建模、边缘增强和位置注意力整合到统一框架中,在约 150 万可训练参数下取得较好的分割效果,体现了精度与模型复杂度之间的平衡。论文也指出其局限:在较小数据集和小息肉场景下 Recall 仍有提升空间;内部临床数据仅包含 45 例患者、105 幅图像,规模较小;复杂粗糙边缘的分割仍可能受到标注差异影响;当前验证以静态图像为主,尚未覆盖连续内镜视频和实时工作流。后续可通过更有效的数据增强、扩大临床数据规模、优化边缘模块并开展视频级验证进一步提升临床可用性。

作者与资助信息

西安邮电大学理学院杨文彬副教授为论文第一作者和通讯作者,西安邮电大学计算机学院硕士生常鑫、郭欣悦为共同作者。研究得到陕西数理基础科学研究项目(23JSQ049)、国家自然科学基金项目(12001425)和陕西省自然科学基础研究计划项目(2023-JC-YB-066)的资助。

论文信息

ESFCU-Net: A Lightweight Hybrid Architecture Incorporating Self-Attention and Edge Enhancement Mechanisms for Enhanced Polyp Image Segmentation

Wenbin Yang*, Xin Chang, Xinyue Guo

International Journal of Imaging Systems and Technology

DOI:10.1002/ima.70026

原文链接:

https://onlinelibrary.wiley.com/doi/10.1002/ima.70026

期刊简介

International Journal of Imaging Systems and Technology (IMA) 是一本跨学科影像期刊,为成像系统(包括成像物理与影像信息学)领域的思想与成果交流提供平台,发表人体与动物结构及功能成像的原创研究。期刊收录技术可靠、科学严谨的影像研究,包括相关算法、硬件与软件开发,以及新型诊断成像与分析方法及其在医学研究中的应用。

2025 JIF:3.0 | CiteScore:6.3

扫码进入期刊主页

https://onlinelibrary.wiley.com/journal/10981098

 
 
 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
研究实现陶瓷薄膜低温致密化制备 科学网2026年10月十佳博文榜单公布!
第三类磁性有了关键证据 2026年度“双十”评选活动正式启动
>>更多
 
一周新闻排行
 
编辑部推荐博文