摘要
近年来，息肉分割任务日益受到重视，众多研究方法基于卷积神经网络（CNN）、视觉Transformer（Vision Transformer）及Transformer技术，取得了具有竞争力的性能。然而，这些方法在处理分布外（out-of-distribution）数据集、边界缺失以及小尺寸息肉等挑战时仍面临显著困难。2022年，Meta-Former被提出作为视觉任务的新基准模型，不仅提升了多任务计算机视觉的性能，还有效克服了Vision Transformer与CNN类骨干网络的固有局限性。为进一步提升分割精度，本文提出将Meta-Former与UNet架构相结合，并在解码器阶段引入一种多尺度上采样模块（Multi-scale Upsampling block），该模块采用层级融合策略，以增强纹理细节的恢复能力。同时，受Meta-Former思想启发，我们设计了一种新型Convformer模块，用于强化局部特征中的关键信息表达。上述模块能够有效融合全局信息（如息肉整体形态）与局部细节及边界信息，这对医学图像分割的准确决策至关重要。实验结果表明，所提方法在CVC-300、Kvasir及CVC-ColonDB数据集上均取得了具有竞争力的性能，尤其在CVC-300与CVC-ColonDB这两个分布外数据集上取得了当前最优（State-of-the-Art）结果。除Kvasir-SEG外，其余数据集均为分布外测试集。代码实现已开源，详见：https://github.com/huyquoctrinh/MetaPolyp-CBMS2023。