AG-CUResNeSt：一种用于结肠息肉分割的新方法

结直肠癌是常见的恶性肿瘤之一，可由高风险结肠息肉发展而来。结肠镜检查是一种有效的筛查工具，能够检测并切除息肉，尤其在发现癌前病变方面具有重要意义。然而，由于多种因素的影响，临床实践中存在较高的息肉漏检率。若能引入人工智能模型实现息肉的自动分割，将显著提升该检查的效能，为提高结肠息肉的检测精度提供重要支持。然而，由于息肉在大小、形状、纹理和颜色等方面存在显著差异，实现精确分割仍具挑战性。本文提出一种新型神经网络架构——AG-CUResNeSt，该模型在耦合UNet（Coupled UNets）的基础上，融合了鲁棒性强的ResNeSt主干网络与注意力门控机制，能够有效整合多层级特征，实现高精度的息肉分割。在五个主流基准数据集上的实验结果表明，所提出方法在分割精度上优于现有各类先进方法，达到了当前最优水平。