BRFormer：一种用于结直肠息肉分割的边界与区域融合变换器网络

《Biomedical Signal Processing and Control》：BRFormer: A boundary and region fusion transformer network for colorectal polyp segmentation

结肠息肉分割中的边界模糊问题通过BRFormer模型解决，该模型采用增强的Pyramid Vision Transformer编码器，结合跨尺度特征优化模块和双解码器结构，提升边界区域处理能力。实验显示在Kvasir-SEG和CVC-ClinicDB数据集上mIoU达0.875-0.903，mDice达0.923-0.946。

　　在医学影像处理领域，尤其是结肠镜检查中，结直肠息肉的精准分割对于早期发现和治疗结直肠癌具有至关重要的意义。息肉的形态多样性以及其与周围组织的边界模糊性，使得这一任务充满挑战。现有的分割技术往往依赖于手动设计的特征，但这些方法在表达能力和泛化能力方面存在局限，难以应对息肉与周围组织之间复杂的视觉相似性。随着深度学习技术的发展，研究者们逐渐探索出一系列先进的模型架构，如编码器-解码器结构和基于金字塔视觉变换器（PVT）的模型，这些模型在捕捉相关特征方面取得了显著进展，推动了息肉分割领域的进步。

然而，结肠镜图像中存在的一些问题，如光照不均、息肉本身的形态变化，以及外部物体的干扰，都会导致息肉边界与周围组织之间的对比度降低，从而形成边界模糊的息肉。这种情况在临床诊断中尤为突出，医生在检测息肉时，通常能够识别明显的息肉，但对于边界模糊的息肉却容易遗漏。因此，提高边界模糊息肉的分割能力，是提升结直肠癌早期诊断率的关键。

针对这一挑战，研究者们提出了两种主要策略。一方面，通过增强息肉与周围组织之间的对比度来改善分割效果。例如，边界感知梯度（Boundary-Aware Gradient）利用梯度卷积技术，而MEGANet则采用拉普拉斯算子来提升模型对模糊边界特征的捕捉能力。另一方面，在编码器-解码器框架的解码器部分，通过分别提取息肉和边界区域的特征，再利用息肉区域的特征来增强边界区域的表示，如SegT和Polyper模型所采用的方法。然而，这些方法在处理息肉的大小、形状和纹理等特征时存在不足，仅依赖于RGB图像特征可能无法提供足够的区分信息，难以准确区分息肉与周围组织。

为了解决上述问题，本文提出了一种新的息肉分割网络——边界与区域融合变换器网络（Boundary and Region Fusion Transformer Network），简称BRFormer。该网络通过交叉尺度特征优化和边界-区域融合技术来应对息肉分割中的边界模糊问题。BRFormer的设计融合了多种先进的深度学习理念，旨在提升息肉分割的精度和鲁棒性。

BRFormer的核心架构包括一个改进的金字塔视觉变换器（PVTv2）作为编码器，该编码器能够利用多头注意力机制来捕捉息肉各组成部分之间的长距离依赖关系。多头注意力机制是一种强大的特征提取方法，它允许模型在不同区域之间建立联系，从而更好地理解息肉的整体结构和边界特征。此外，BRFormer引入了交叉尺度特征优化模块（Cross-Scale Feature Optimization Module, CSFOM），该模块旨在建立不同层次特征之间的信息关联，增强各层次特征之间的交互，以消除背景噪声和其他无关信息。CSFOM通过多尺度卷积和密集连接的方式，帮助模型更全面地理解息肉边界在结肠和直肠中的形态特征，从而提升分割精度。

在解码器部分，BRFormer采用了双解码结构（Dual Decoder），该结构专门用于关注息肉的区域信息和边界信息。双解码结构与边界-区域融合模块（Boundary-Region Fusion Module）相结合，使得模型能够在图像中更精准地识别边界区域。注意力机制在这一过程中起到了关键作用，它引导网络关注重要的边界和区域信息，从而提升模型对边界区域的理解能力。

为了验证BRFormer的有效性，本文在五个具有挑战性的数据集上进行了广泛的实验。实验结果表明，BRFormer在多个评估指标上显著优于大多数息肉分割基准模型。这些指标包括平均交并比（mIoU）、平均Dice系数（mDice）、加权Dice系数、平均绝对误差（Mean Absolute Error）、增强对齐指标（Enhanced Alignment Metric）和相似性指标（Similarity Metric）。在Kvasir-SEG数据集上，BRFormer的mIoU达到了0.875，mDice达到了0.923；在CVC-ClinicDB数据集上，mIoU达到了0.903，mDice达到了0.946。这些结果不仅证明了BRFormer在息肉分割任务中的优越性能，也表明其在提升结直肠癌早期诊断和治疗中的潜在价值。

此外，本文还进行了消融实验，以分析BRFormer各个关键组件在模型性能中的贡献。消融实验的结果进一步验证了各组件的有效性，表明交叉尺度特征优化模块和边界-区域融合模块在提升分割精度方面起到了重要作用。同时，双解码结构也显著增强了模型对边界细节的捕捉能力。

尽管BRFormer在息肉分割任务中表现出色，但在模型的进一步发展和实际应用中仍面临一些问题和挑战。一方面，BRFormer采用了改进的PVTv2作为编码器，虽然能够有效捕捉全局上下文信息和长距离依赖关系，但其结构本身具有较高的计算复杂度，导致处理时间较长。另一方面，在实际应用中，模型的泛化能力仍然需要进一步提升，以应对不同光照条件和图像质量的挑战。此外，模型在处理边界模糊息肉时，还需要进一步优化以提高分割的准确性和稳定性。

本文的研究成果不仅为结直肠息肉的精准分割提供了新的解决方案，也为临床诊断和治疗提供了有力的技术支持。通过BRFormer的引入，医生可以更高效地识别和处理息肉，从而提高结直肠癌的早期诊断率和治疗效果。此外，BRFormer的结构设计也为未来的研究提供了新的思路，尤其是在处理医学影像中的复杂边界问题方面。

总之，BRFormer的提出和应用，标志着息肉分割技术在深度学习领域的进一步发展。该模型通过融合多种先进的深度学习技术，提升了息肉分割的精度和鲁棒性，为临床实践提供了更可靠和高效的工具。随着医学影像技术的不断进步，BRFormer有望在未来的研究和应用中发挥更大的作用，为结直肠癌的早期诊断和治疗做出更多贡献。