Devido ao tamanho, cor e textura variados dos pólipos colorretais, bem como à indefinição das fronteiras entre os pólipos e a mucosa circundante, a segmentação de pólipos apresenta um grande desafio. Para melhorar a precisão da segmentação dos pólipos colorretais, este artigo propõe um algoritmo de segmentação aprimorado baseado na rede DoubleUNet. O algoritmo inicialmente realiza o processamento para remover reflexos das imagens dos pólipos e amplia o conjunto de dados de treinamento por meio de métodos de aumento de dados; em seguida, introduz um mecanismo de atenção na parte do decodificador da rede DoubleUNet e substitui o módulo ASPP (Pooling em Pirâmide Atrous Espacial) pelo módulo DenseASPP (Pooling em Pirâmide Atrous Espacial Conectado Densamente), a fim de melhorar a capacidade de extração de recursos da rede; finalmente, para melhorar a precisão da segmentação de pequenos alvos, propõe-se o uso da função de perda Focal Tversky Loss como função de perda do algoritmo. O algoritmo alcançou precisões de 0,9530, 0,9642, 0,8157, 0,9503 e 0,9641 nos conjuntos de dados Kvasir-SEG, CVC-ClinicDB, ETIS-Larib, ISIC e DSB, respectivamente, enquanto o algoritmo DoubleUNet alcançou precisões de 0,9394, 0,9592, 0,8007, 0,9459 e 0,9496 nesses mesmos conjuntos. Os resultados experimentais mostram que o algoritmo proposto possui melhor desempenho de segmentação em comparação com o algoritmo DoubleUNet, podendo auxiliar efetivamente os médicos na remoção de tecido anormal colorretal para reduzir a probabilidade de malignização dos pólipos, além de poder ser aplicado a outras tarefas de segmentação de imagens médicas.

Segmentação de imagens; pólipos colorretais; convolução atrous; mecanismo de atenção; campos aleatórios condicionais