编辑推荐：
为解决结肠镜图像中息肉大小不一、边界模糊等分割难题，研究人员开展基于 Transformer 的交叉特征多注意力网络（TCFMA-Net）研究。结果显示，该模型在 6 个基准数据集上 Dice 得分优异，显著提升息肉分割准确性与泛化能力，为结直肠癌诊断提供新工具。
结直肠癌（CRC）作为全球第三大常见癌症，其早期发展常始于腺瘤性息肉，若未及时处理，可能需 10-15 年演变为癌症。早期检测和切除息肉对降低 CRC 发病率和死亡率至关重要。临床中，医生需在结肠镜图像中手动识别和勾勒息肉，这一过程依赖专业技能且耗时，同时息肉外观（颜色、大小、纹理）多样、边界与周围黏膜对比度低，导致传统方法易出现分割错误或漏检。因此，开发高效准确的自动化息肉分割算法成为迫切需求。尽管卷积神经网络（CNN）和 Transformer 等深度学习模型在医学图像分割领域取得进展，但现有方法在处理息肉大小形状多变、边界模糊及跨数据集泛化性等方面仍存在局限。
为应对上述挑战，国内研究人员开展了基于 Transformer 的交叉特征多注意力网络（TCFMA-Net）在息肉分割中的研究。该研究成果发表在《Artificial Intelligence in Medicine》，旨在通过创新架构提升息肉分割的准确性和泛化能力，为临床诊断提供更可靠的工具。
研究人员采用的关键技术方法包括：以 Swin Transformer 作为编码器提取多尺度全局上下文信息；构建交叉特征增强网络（CFE-Net），通过多层级 CFE 块融合四层级特征，强化跨尺度特征交互；在解码器内外嵌入多注意力模块（MAMs），优化特征传播并抑制背景干扰。研究使用 CVC-300、CVC-ColonDB、CVC-ClinicDB、BKAI-IGH、PolypGen、Kvasir 共 6 个结肠镜图像数据集，包含图像及对应的真实标注（GT），以 Dice 系数等 5 项指标评估模型性能。
实验结果
在 CVC-ClinicDB、Kvasir 和 BKAI-IGH 数据集上，TCFMA-Net 的 Dice 得分分别为 92.74±0.10（置信区间 CI：91.92, 94.04）、91.46±0.14（CI：91.12, 92.72）和 87.34±0.13（CI：86.19, 88.10），显著优于现有方法，表明其在处理不同特征息肉时的有效性。泛化性测试中，模型在 CVC-300、CVC-ColonDB 和 Polypgen 数据库的 Dice 得分分别为 89.51±0.10（CI：88.67, 89.71）、72.91±0.09（CI：71.39, 74.14）和 65.83±0.22（CI：65.47, 66.52），验证了其跨数据集的鲁棒性。
研究结论与讨论
TCFMA-Net 通过 Swin Transformer 编码器捕获长程依赖，结合 CFE-Net 的跨尺度特征融合和 MAMs 的注意力机制，有效解决了息肉大小变异、边界模糊及泛化性不足的问题。实验结果表明，该模型在多数据集上均表现出优越的分割性能，定量指标显著提升，且能准确勾勒息肉边界，减少误检和漏检。其创新架构为医学图像分割领域提供了新的思路，特别是在处理具有复杂形态和低对比度的病变时展现出潜力。该研究不仅推动了息肉分割技术的发展，也为结直肠癌的早期诊断和临床决策提供了更精准的工具，有望通过自动化分析辅助医生提高诊断效率和准确性，具有重要的临床应用价值和社会意义。
