La coloscopie est une procédure de référence, mais elle est fortement dépendante de l’opérateur. Des efforts ont été déployés afin d’automatiser la détection et la segmentation des polypes, des lésions précancéreuses, afin de réduire efficacement le taux de non-détection. Les systèmes informatiques largement utilisés pour la segmentation des polypes, basés sur une architecture encodeur-décodeur, ont atteint des performances élevées en termes de précision. Toutefois, les jeux de données de segmentation des polypes recueillis dans différentes institutions peuvent suivre des protocoles d'imagerie différents, entraînant des différences dans la distribution des données. En conséquence, la plupart des méthodes subissent une dégradation des performances et nécessitent un re-entraînement pour chaque jeu de données spécifique. Pour résoudre ce problème de généralisation, nous proposons un réseau de fusion résiduelle multi-échelle global (GMSRF-Net). Notre architecture maintient des représentations à haute résolution tout en réalisant des opérations de fusion multi-échelle à toutes les échelles de résolution. Pour exploiter davantage l'information d'échelle, nous avons conçu deux modules au sein du GMSRF-Net : un module d'attention cross-multi-échelle (CMSA) et un module de sélection de caractéristiques multi-échelle (MSFS). Les opérations de fusion répétées, pilotées par les modules CMSA et MSFS, améliorent significativement la généralisation du réseau. Des expériences menées sur deux jeux de données distincts de segmentation des polypes montrent que notre GMSRF-Net surpasser la méthode d’état de l’art précédemment la plus performante de 8,34 % et 10,31 % sur les jeux de données non vus CVC-ClinicDB et Kvasir-SEG, respectivement, en termes de coefficient de Dice.