결장직장 용종 분할에서 미세 병변 포착의 어려움, 강한 빛 반사 인공물 간섭 및 경계 위치 부정확 등의 문제를 해결하기 위해 기하학적 사전 지식과 이중 영역 특성 정제를 융합한 결장직장 용종 분할 네트워크 GPDP-Net을 제안한다. 첫째, 최적화된 경계 모듈을 이용하여 명시적인 기하학적 사전 지식을 포착하고 개선된 좌표 주의 메커니즘과 결합하여 위치 인식을 강화한다. 둘째, 물리-주파수 병렬 강화 병목층을 설계하여 물리 정보 신경망의 진화 제한을 통해 비상관 광학 노이즈를 억제하고, 빠른 푸리에 변환 분기를 통해 스펙트럼 공간에서 고주파 신호 손실을 보상한다. 마지막으로, 계단식 디코더에 서브픽셀 복원 연산자와 반복 역방향 주의 메커니즘을 도입하여 병변 세부 사항의 충실한 복원을 실현한다. 네 개의 벤치마크 데이터셋에서 평가한 결과 GPDP-Net은 모든 지표에서 뛰어난 경쟁력을 보였다. 다수의 극소 스케일 목표를 포함하는 ETIS 데이터셋에서 mIoU는 0.701에 달했으며, 차선 모델 대비 1.4% 향상되었고 경계 오류도 크게 감소했다. 실험 결과, 물리적 일관성 제약과 스펙트럼 강화의 협력 메커니즘이 복잡한 환경에서 다중 스케일 병변 분할 정확도를 효과적으로 향상시킬 수 있음을 입증했다.

결장직장 용종; 물리 정보 신경망; 빠른 푸리에 변환; 경계 인식; 역방향 주의 메커니즘