《Scientific Reports》：Gastrointestinal polyp detection method based on the improved RT-DETR
编辑推荐：
本研究针对胃肠息肉形态多变、尺度失衡及成像噪声导致的漏检难题，基于RT-DETR-r18架构提出一种实时检测框架。通过引入DWRC3-DRB模块增强深浅特征融合，设计EAAAIFI模块抑制背景干扰，结合ELA-HSFPN实现多尺度特征自适应整合。实验表明，该方法在混合内镜数据集上将精确度提升至94.8%，召回率达89.9%，mAP@0.5提高至94.2%，并以188.6 FPS的速率满足实时诊断需求，为结直肠癌早期筛查提供关键技术支撑。
胃肠息肉是结直肠癌的重要癌前病变，早期发现并切除可显著降低癌症死亡率。目前临床主要依赖内镜医师肉眼观察进行诊断，但息肉形态大小不一、表面纹理复杂，加之肠道蠕动、黏液干扰等因素，导致漏诊率高达22%-28%。传统计算机辅助检测系统虽能提升效率，却难以平衡精度与速度：卷积神经网络（CNN）模型对小尺度息肉敏感度不足，Transformer架构计算开销大，无法满足内镜实时视频流处理需求。
为攻克这一难题，研究团队以RT-DETR-r18（Real-Time Detection Transformer）为基线模型，通过三重创新模块构建高效轻量化的检测框架。DWRC3-DRB（Dense Weighted Residual C3 with Dense Residual Block）模块通过残差连接与密集跳层融合，强化浅层细节特征（如息肉边缘）与深层语义特征的协同表达；EAAAIFI（Efficient Adaptive Attention with Linear Complexity）模块以线性计算成本实现全局上下文建模，有效抑制肠道褶皱、气泡等背景噪声；ELA-HSFPN（Efficient Local Attention with Hierarchical Scale Feature Pyramid Network）则引入局部注意力机制与分层特征金字塔，自适应融合多尺度息肉特征。
关键技术方法
研究基于混合内镜数据集（包含公开数据集与临床采集数据），采用改进的RT-DETR架构。首先利用DWRC3-DRB模块替换基线中的C2f模块，增强特征复用能力；随后在编码器部分嵌入EAAAIFI模块，通过线性注意力机制优化长序列建模；最后通过ELA-HSFPN重构特征金字塔，实现跨尺度特征交互。模型训练采用动态标签分配策略与损失函数优化，在保持188.6 FPS实时速度的同时提升检测鲁棒性。
实验结果分析
消融实验验证模块有效性
逐项添加DWRC3-DRB、EAAAIFI和ELA-HSFPN模块后，模型mAP@0.5分别提升1.2%、1.8%和1.0%，证实各模块对特征提取、噪声抑制与多尺度融合的贡献具有累加效应。
与主流检测器性能对比
在相同数据集上，本研究方法相较YOLOv8、DETR等模型，对小尺度息肉（直径<5mm）的召回率提高12.3%，对扁平型息肉的检测精度提升9.7%，且参数量降低18.4%。
实时性测试
在RTX 3090显卡的部署环境中，模型处理单帧图像仅需5.3ms，显著优于Swin-Transformer（28.6ms）等基于自注意力的模型，满足临床实时诊断的延迟要求（≤30ms）。
讨论与结论
该研究通过模块化改进RT-DETR架构，实现了精度与速度的协同优化。DWRC3-DRB模块通过密集连接缓解梯度消失，提升特征复用效率；EAAAIFI模块以线性复杂度替代标准自注意力，在降低计算负担的同时保持全局感知能力；ELA-HSFPN通过局部注意力权重动态调整多尺度特征贡献，有效解决息肉尺度失衡问题。值得注意的是，该方法对粘连息肉、缺血性息肉等复杂场景仍存在误检，未来需引入形状先验知识或3D空间信息进一步优化。该成果发表于《Scientific Reports》，为内镜AI辅助诊断系统提供了可落地的技术方案，对结直肠癌早筛的普及化具有重要意义。
