基于U-Net-ResNet50的自动息肉分割

息肉是结直肠癌的前体病变，而结直肠癌被公认为全球癌症相关死亡的主要原因之一。结肠镜检查是识别、定位并切除结直肠息肉的标准临床手段。然而，由于息肉在形态、大小以及周围组织相似性方面存在较大变异，临床医生在结肠镜检查过程中常常难以发现这些病变。若能在结肠镜检查中引入一种自动、准确且快速的息肉分割方法，将显著提升息肉的检出率与切除效率。为此，“Medico自动息肉分割挑战赛”为研究息肉分割技术、构建高效且精准的分割算法提供了重要契机。本研究采用基于预训练ResNet50作为编码器的U-Net网络结构进行息肉分割。模型在挑战赛提供的Kvasir-SEG数据集上进行训练，并在主办方提供的测试数据集上进行验证，取得了如下性能指标：Dice系数为0.8154，Jaccard指数为0.7396，召回率（Recall）为0.8533，精确率（Precision）为0.8532，准确率（Accuracy）为0.9506，F2分数为0.8272。上述结果充分表明所提出模型具备良好的泛化能力，具有在实际临床应用中推广的潜力。