MSABR-Net：一种用于息肉分割的多尺度自适应边界细化网络

《Biomedical Signal Processing and Control》：MSABR-Net: Multi-Scale Adaptive Boundary Refinement Network for polyp segmentation

　　

摘要

结直肠癌（CRC）的早期筛查和治疗依赖于在结肠镜图像中准确检测和分段息肉。由于息肉的形态、大小和边界清晰度的巨大差异，自动分割具有挑战性。现有方法改进了空间-语义特征提取，并使用注意力机制进行上下文建模。然而，它们往往无法同时提高通道区分度和边界建模，这导致对小息肉或低对比度息肉的识别能力下降。为了解决通道区分度和边界重建的局限性，我们提出了多尺度自适应边界细化网络（MSABR-Net），这是一个基于冷冻SAM2 Hiera骨干的参数高效的自适应框架。MSABR-Net包含两个关键组件：多尺度通道区分特征细化（MS-CDFR）模块，通过多尺度上下文聚合和门控通道重新校准来提高特征区分度；以及边界增强注意力（BEA）模块，在解码过程中学习边界敏感的注意力线索，以促进细粒度边缘重建。在五个公开基准数据集上进行的广泛实验表明，MSABR-Net达到了最先进或竞争性的性能。具体来说，它在Kvasir-SEG数据集上的mDice得分达到0.929，mIoU得分达到0.882，并且在具有挑战性的ETIS-LaribPolypDB数据集上保持了强大的泛化能力，mDice得分达到0.816，mIoU得分达到0.743。这些结果验证了MSABR-Net作为一个参数高效且以性能为导向的适应性框架，适用于将视觉基础模型应用于医学图像分割。

引言

结直肠癌（CRC）是全球癌症相关死亡的主要原因之一，对人类健康构成了重大威胁[1]。在结肠镜检查中早期发现和切除癌前息肉可以显著降低CRC的发病率和死亡率，这突显了计算机辅助内镜诊断中准确息肉分割的关键临床重要性。然而，由于息肉的形态、大小和边界清晰度的显著变异性，这项任务极具挑战性，如图1所示。此外，内镜图像中的黏液、照明变化和复杂背景进一步增加了自动分割的难度[2]，[3]。

早期的息肉分割方法主要依赖于手工特征提取或基于超像素的方法，这些方法在复杂的内镜场景中难以保持稳定的性能。深度卷积神经网络（CNN）的出现引入了端到端特征学习，为自动分割开辟了新的途径[4]，[5]。UNet框架及其变体，如UNet++和Attention UNet，通过多层次特征融合显著提高了分割性能[6]，[7]，[8]。随后为息肉分割定制的进展，包括PraNet[9]、CaraNet[10]和CFA-Net[11]，引入了反向注意力、混合注意力和层间特征交互，从而在多个基准数据集上取得了进一步的改进。尽管如此，这些方法通常缺乏显式的通道级区分度建模，当息肉与周围黏膜具有相似纹理时容易发生误分割。

最近，视觉基础模型（VFMs），如Segment Anything Model（SAM）[12]及其增强版本SAM2[13]，利用大规模视觉预训练获得了强大的通用表示能力[14]。然而，将VFMs直接应用于息肉分割等特定任务仍然具有挑战性。对SAM在医学成像中的泛化能力的定量基准测试显示，与最先进的专用模型相比，SAM的零样本性能在分割具有微妙或模糊边界的病变时下降了14.4%–36.9%[15]，并且由于领域差异较大，其在不同模态下的性能表现非常不稳定[16]。基于SAM构建的模型，如SAM2UNet[17]和MedSAM[14]，试图将这些通用语义特征转移到医学环境中。然而，这些方法仍然存在局限性：SAM2UNet依赖于传统的卷积上采样，经常忽略边界信息，而MedSAM虽然优先考虑语义转移，但由于SAM的层次化下采样而丢失了高频空间细节。此外，这些方法缺乏目标通道建模和自适应感受野融合机制，进一步限制了它们的有效性。这些缺陷揭示了当前模型的两个关键瓶颈：（1）特征区分度不足，因为它们未能在通道维度上显式增强与目标相关的特征，导致在复杂背景下的分割不稳定；（2）边界重建不准确，静态卷积难以模拟多样且复杂的息肉边界，导致边缘模糊和细节丢失[18]，[19]。

为了解决这些挑战，我们提出了一个新的息肉分割网络MSABR-Net，该网络基于冷冻的SAM2 Hiera骨干，并采用参数高效的适配器实现高效的迁移学习[17]。MSABR-Net引入了两个关键模块：多尺度通道区分特征细化（MS-CDFR）模块，利用多尺度膨胀深度卷积和门控通道重新校准来显式强化与息肉相关的特征，同时抑制背景噪声；以及边界增强注意力（BEA）模块，利用学习到的边界敏感线索和自适应感受野融合策略来提高模糊轮廓的重建质量。这两个组件的结合实现了语义一致性和结构精确性之间的平衡。我们在五个公开息肉分割数据集上进行了系统实验，证明了MSABR-Net在多个指标上达到了竞争性性能，接近最先进水平（SOTA）。

本研究的主要贡献总结如下：

• 1.
  我们提出了MS-CDFR模块，采用并行多膨胀深度卷积和门控通道重新校准来增强与息肉相关的通道特征，同时抑制背景噪声。
• 2.
  我们设计了BEA模块，在解码器中集成双注意力机制和分支式空间感受野融合，以改善边界轮廓重建。
• 3.
  我们基于冷冻的SAM2 Hiera骨干构建了一个参数高效的适应性框架，有效利用了高效的迁移学习，并保留了VFMs的丰富语义先验。
• 4.
  我们在五个公开数据集上进行了广泛评估，MSABR-Net表现出竞争性性能，消融研究验证了所提出模块的独立贡献和协同效应。

部分片段

基于深度学习的息肉分割

深度学习通过实现从结肠镜图像到端到端的表示学习，极大地推进了自动息肉分割。编码器-解码器架构，以U-Net[6]为代表，通过跳跃连接将低级空间细节与高级语义信息相结合，为密集医学图像预测提供了有效的框架。后续的变体，如U-Net++[7]和Attention U-Net[8]，进一步改进了多层次特征融合和区域定位。

网络架构

MSABR-Net采用标准的编码器-解码器架构，预训练的SAM2 Hiera骨干（配置：sam2_hiera_l.yaml）作为编码器；整体架构如图2所示。骨干参数被冻结以保持其强大的特征提取能力，并在Transformer块中插入瓶颈适配器以实现高效的领域适应[17]。具体来说，每个适配器包括一个两层MLP（线性 右箭头' data-speech-attached="true" data-semantic-braille="??" data-braille-attached="true" has-speech="true" style="font-size: 110.3%;"> 右箭头' data-semantic-summary ' 右箭头' data-semantic-braille="??">→GELU 右箭头' data-speech-attached="true" data-semantic-braille="??" data-braille-attached="true" has-speech="true" style="font-size: 110.3%;"> 右箭头' data-semantic-summary ' 右箭头' data-semantic-braille="??">→线性）将输入特征投影

实验

本节详细描述了我们的实验设置，包括数据集和评估指标（第4.1节）、实现细节（第4.2节）、与最先进方法的定量和定性比较（第4.3节），以及验证我们提出模块的消融研究（第4.4节）。最后，我们讨论了实际意义和计算成本（第4.5节）。

结论

在本文中，我们提出了MSABR-Net，这是一个基于冷冻SAM2 Hiera骨干的参数高效的息肉分割适应性框架。通过引入MS-CDFR模块进行多尺度通道区分特征细化，以及BEA模块进行边界感知的自适应解码，MSABR-Net在不完全微调大型基础模型骨干的情况下，增强了与病灶相关的表示和边界感知的轮廓细化。在五个公开息肉分割数据集上的广泛实验表明...

CRediT作者贡献声明

刘思宏：写作 – 审稿与编辑，写作 – 原始草稿，可视化，验证。田胜伟：监督，资源。余龙：方法论，形式分析。宋金苗：监督，软件。朱哲哲：数据策划，概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报道的工作。

刘思宏|田胜伟|余龙|宋金苗|朱哲哲

新疆大学软件学院，乌鲁木齐，830046，中国