A segmentação de pólipos colorretais pode auxiliar eficazmente os médicos na triagem de adenomas colorretais, mas a segmentação de pólipos enfrenta problemas como ruído excessivo e baixa distinção de fronteiras. Para abordar esses problemas, este artigo propõe uma rede de segmentação multiescala de pólipos que utiliza uma estratégia em cascata para fusionar características de fronteira. Em primeiro lugar, foi proposto um módulo aprimorado de aprimoramento espacial por grupos de canais para fortalecer as características da imagem extraídas pela rede backbone, aumentando assim a correlação entre canais e posições espaciais. Em segundo lugar, considerando a baixa distinção de fronteiras, foi projetada uma rede de fusão de características em cascata para preservar melhor as informações da fronteira e aprimorar a distinção da fronteira, melhorando assim a precisão da segmentação. Finalmente, foi introduzido um módulo híbrido de upsampling de duplo ramo para obter mais detalhes das características, alcançando a complementaridade das características e capturando características mais completas e eficazes. Testes nos conjuntos de dados CVC-ClinicDB e Kvasir mostraram que o coeficiente Dice médio do nosso algoritmo foi de 0,944 e 0,920, e o índice médio de interseção sobre união foi de 0,900 e 0,869; enquanto o algoritmo M²SNet apresentou coeficiente Dice médio de 0,922 e 0,912, e índice médio de interseção sobre união de 0,880 e 0,861. Nos conjuntos de dados ETIS-LaribPolypDB, CVC-300 e CVC-ColonDB, o coeficiente Dice médio do nosso algoritmo foi de 0,776, 0,915 e 0,782; enquanto o algoritmo M²SNet registrou 0,749, 0,903 e 0,758. Os resultados experimentais indicam que nosso algoritmo apresenta alta precisão de segmentação e forte capacidade de generalização.

Segmentação multiescala de pólipos;Aprimoramento espacial por grupos de canais;Aprimoramento de características de fronteira;Fusão de características em cascata;Upsampling de duplo ramo