基于深度学习的结直肠息肉语义分割技术进展与临床转化前景

《ARTIFICIAL INTELLIGENCE REVIEW》：Advancement in semantic segmentation techniques: a comprehensive review for semantic segmentation of colorectal polyps using deep learning

本刊推荐研究人员针对结直肠息肉传统分割方法精度不足的问题，开展了基于深度学习（DL）的语义分割（SS）技术系统性研究。通过对110种DL模型（包括Transformer架构、注意力机制等）的综合评估，证实Transformer模型（如Polyp-PVT）的Dice系数可达0.917，显著提升边界分割精度。该研究为结肠镜诊断自动化提供了关键技术支撑，对结直肠癌早期筛查具有重要临床意义。

　　

在结直肠癌筛查的临床实践中，结肠镜下的息肉精准分割一直是制约诊断效率的关键瓶颈。传统图像处理方法难以应对息肉形态的多变性——其大小可从毫米级到厘米级，边界常与黏膜组织融合，加之结肠镜成像中存在的光照不均、黏液干扰等问题，导致漏诊率居高不下。据临床研究显示，近30%的息肉在常规检查中被遗漏，这直接影响了结直肠癌的早期干预效果。

为突破这一技术壁垒，Malik Abdul Manan团队在《ARTIFICIAL INTELLIGENCE REVIEW》上发表了系统性综述，对2018-2024年间出现的110种深度学习息肉分割模型进行了全景式剖析。研究团队通过四阶段文献筛选法，从800篇初始文献中最终纳入150篇高质量研究，建立包含9个公开数据集（如Kvasir-SEG、CVC-ClinicDB等）的评估体系，首次实现了多架构模型在统一标准下的性能比对。

关键技术方法主要包括：1）构建编码器-解码器架构（如U-Net变体）实现端到端像素级分割；2）引入注意力机制（AM）增强边界特征提取；3）采用多尺度 cascade 结构处理尺寸变异问题；4）利用Transformer架构捕捉长程依赖关系。所有模型均在相同硬件环境下（RTX 2080 Ti GPU）以Dice系数、mIoU等指标进行公平评估。

模型架构分类与性能比较

研究将现有模型划分为单网络模型（如HarDNet-MSEG）、多网络模型（如PSNet）、混合特征模型（如MVOA-Net）和Transformer架构（如ColonFormer）四大类。性能分析显示，基于Transformer的模型在Kvasir-SEG数据集上表现最优，其中FCB-SwinV2 Transformer的Dice系数达0.942，较传统CNN模型提升约6%。值得注意的是，轻量级模型ESDMR-Net仅用0.7M参数即实现0.828 Dice系数，显示出优异的临床部署潜力。

损失函数与评估体系创新

研究系统对比了二元交叉熵（BCE）、Dice损失、Jaccard损失等7种损失函数的作用机制。实验表明，组合损失函数（如BCE+IoU）能有效解决息肉-背景像素不平衡问题，将边界分割精度提升12.3%。新引入的增强对齐度量（Eφ）和结构度量（Sα）等评估指标，更能敏感反映息肉边界的细微差异。

临床适用性与计算效率平衡

通过参数（Params）、浮点运算数（FLOPs）和帧率（FPS）三维度评估发现，轻量级模型MMCC-Net（1.43M参数）在保持0.855 Dice系数的同时，推理速度达55 FPS，显著优于参数量超50M的复杂模型。而GMSRF-Net虽达到0.926 Dice系数，但其416.5 GFLOPs的计算需求限制了临床实时应用。

跨数据集泛化能力验证

在ETIS-LaribPolypDB、CVC-300等挑战性数据集上的测试表明，边界增强型模型（如BLE-Net）对模糊边界的适应力更强。其中LOD-Net在CVC-300上Dice系数达0.957，但在复杂度更高的ETIS数据集上降至0.716，揭示出现有模型泛化能力仍待提升。

研究结论强调，Transformer架构通过自注意力机制实现全局上下文感知，在息肉分割领域展现出革命性潜力。但计算复杂度与临床实用性的矛盾亟待解决，未来应重点发展动态推理、神经架构搜索等优化技术。该综述为结肠镜AI诊断系统的标准化建设提供了理论依据，标志着结直肠癌筛查正在从"视觉判断"迈向"算法量化"的新纪元。