Schrittweise Merkmalsfusion: Lokale Leitfäden für Globales

Die Koloskopie gilt derzeit als die effizienteste und anerkannteste Technologie zur Detektion von Kolonpolypen und ist für die Früherkennung und Prävention von Darmkrebs unerlässlich. Aufgrund der unterschiedlichen Größe und der komplexen morphologischen Merkmale von Kolonpolypen sowie der unscharfen Grenzen zwischen Polypen und Darmschleimhaut bleibt deren präzise Segmentierung jedoch weiterhin herausfordernd. Deep Learning hat sich für Aufgaben der genauen Polypen-Segmentierung aufgrund hervorragender Ergebnisse zunehmend etabliert. Allerdings führt aufgrund der Struktur von Polypenbildern und der variierenden Formen der Polypen leicht zu Überanpassung (Overfitting) bestehender Deep-Learning-Modelle an das jeweilige Datenset. Folglich kann das Modell nicht zuverlässig mit unbekannten Koloskopiedaten umgehen. Um diesem Problem zu begegnen, schlagen wir ein neuartiges State-of-the-Art-Modell für die medizinische Bildsegmentierung vor: das SSFormer. Dieses Modell nutzt einen Pyramiden-Transformer-Encoder, um die Generalisierungsfähigkeit der Modelle zu verbessern. Insbesondere lässt sich unser vorgeschlagener Progressive-Locality-Decoder an den Pyramiden-Transformer-Backbone anpassen, um lokale Merkmale zu betonen und eine zu starke Streuung der Aufmerksamkeit zu verhindern. Der SSFormer erreicht sowohl im Lern- als auch im Generalisierungsvermögen Spitzenleistungen im Vergleich zu bestehenden Ansätzen.