MFAINet：结合注意力机制的多接收场特征融合算法，用于息肉分割

《IEEE/CAA Journal of Automatica Sinica》：MFAINet: Multi-receptive field feature fusion with attention-integrated for polyp segmentation

结直肠息肉分割中提出融合多感受野与注意力机制的MFAINet模型，通过AMFE模块整合多尺度特征与注意力权重，MPF模块渐进式融合上下文信息，SFM模块选择性融合高层特征，实验验证其在五个数据集上表现最优。

　　

摘要：

结直肠癌已成为一个全球性的公共卫生问题。在息肉恶性化之前将其切除可以有效预防结直肠癌的发生。目前，多感受野特征提取和注意力机制在息肉分割领域取得了显著进展。然而，如何有效地融合这些机制并充分利用它们的优势仍然是一个未解决的问题。在本文中，我们提出了一种息肉分割网络MFAINet。我们设计了一个集成注意力的多感受野特征提取模块（AMFE），该模块通过分层和多重加权来融合多感受野特征提取和注意力机制，从而最大限度地提取图像中的全局和详细信息。为了确保AMFE的输入包含更丰富的目标特征信息，我们引入了一个多层渐进式融合模块（MPF）。MPF在每一层逐步合并特征，充分整合上下文信息。最后，我们使用选择性融合模块（SFM）来组合AMFE生成的高级特征，从而得到准确的息肉分割图。为了评估MFAINet的学习能力和泛化能力，我们在五个广泛使用的公共息肉数据集上使用了四种评估指标进行了实验。值得注意的是，我们的模型在几乎所有情况下都取得了最佳结果。源代码可在以下链接获取：https://github.com/MFAINet。