基于卷积反向注意力模块和半监督学习的结直肠息肉分割算法研究.pdf

摘要

结直肠癌是一种常见且致死率较高的全球性癌症。及早进行息肉切除手术可

以显著降低癌变的风险，因此定期进行结直肠检查对于预防结直肠癌非常重要。

目前，结肠镜检查是最常用的结直肠息肉检测技术。然而，由于息肉的形态各异、

大小不一，并且与粘膜的边界模糊，准确地分割息肉对于计算机来说仍然是一个

巨大的挑战。随着深度学习的发展，许多息肉分割方法应运而生，在医学实践中

极大地帮助医生寻找和识别结直肠息肉。然而，大多数研究使用通用的传统模型，

很少有研究考虑到息肉分割和伪装物体检测之间的联系。因此，本文分别从全监

督和半监督的角度出发来解决问题。具体而言，本文的主要研究内容包括以下两

个方面：

（1）基于卷积反向注意力模块的息肉分割网络：考虑到息肉的边界与结直肠

壁之间的模糊不清，本文借鉴了伪装物体检测的思路中的反向注意力来解决息肉

分割的问题。反向注意力可以预测出伪装目标的边缘特征，以往的研究未能考虑

到卷积注意力模块（ConvolutionalBlockAttentionModule，CBAM）的定位性

能，因此本文将其引入到卷积反向注意力中。首先，将息肉图像输入特征提取网

络进行特征提取，并利用特征金字塔（FeaturePyramid，FP）模块增强特征。

然后，通过聚合解码器（AggregationDecoder，AD）模块获得粗略的分割结果。

最后，利用卷积反向注意力（ConvolutionReverseAttention，CRA）模块对粗

略的分割结果进行细化。相比几种经典的息肉分割网络，本文提出的方法能够提

高分割的准确性。

（2）基于meanteacher的半监督息肉分割网络：鉴于标注数据对于息肉分

割任务来说既耗时又昂贵，而无标注的息肉分割数据相对丰富，本文引入了半监

督的思路，充分利用无标注数据。具体而言，一方面，本文利用基于数据变换的

正则化方法提高网络的鲁棒性。另一方面，引入不确定性感知机制，使得学生模

型能够学习到更可靠的信息。在常见的公开数据集上，本文提出的方法在半监督

网络性能方面优于经典的半监督网络。

关键词：息肉分割全监督半监督反向注意力正则化不确定性感知

Abstract

Colorectalcancerisacommonanddeadlycancerworldwide.Early

polypremovalsurgerycansignificantlyreducetheriskofcancer,so

regularcolonexamsareimportanttopreventcolorectalcancer.Currently,

colonoscopyisthemostcommonlyusedtechniquefordetectingcolorectal

polyps.However,becausepolypsvaryinshape,size,andhaveblurred

boundarieswithmucousmembranes,accuratelypartitioningpolyps

remainsahugechallengeforcomputers.Withthedevelopmentofdeep

learning,manypolypsegmentationmethodshaveemerged,whichgreatly

helpdoctorsfindandidentifycolorectalpolypsinmedicalpractice.

However,moststudieshaveusedgenericconventionalmodels,andfew

haveconsideredthelinkbetweenpolypsegmentationandcamouflaged

objectdetection.Therefore,thispaperstartsfromtheAngleoffull

supervisionandsemi-