MEGANet : Réseau d'attention guidée par les bords à multiples échelles pour la segmentation des polypes à frontières faibles

La segmentation efficace des polypes en santé joue un rôle fondamental dans la détection précoce du cancer colorectal. Toutefois, la segmentation des polypes soulève de nombreux défis, notamment la distribution complexe du fond, les variations importantes de taille et de forme des polypes, ainsi que des limites floues. La délimitation entre le premier plan (le polype lui-même) et le fond (le tissu environnant) s'avère particulièrement difficile. Pour atténuer ces difficultés, nous proposons un réseau d'attention guidée par les contours à plusieurs échelles, nommé MEGANet, spécifiquement conçu pour la segmentation des polypes dans les images de coloscopie. Ce réseau s'inspire de la fusion d'une technique classique de détection de contours avec un mécanisme d'attention. En combinant ces deux approches, MEGANet préserve efficacement les informations à haute fréquence, notamment les contours et les limites, qui ont tendance à s'atténuer avec l'approfondissement des réseaux neuronaux. MEGANet est conçu comme un cadre end-to-end comprenant trois modules clés : un encodeur chargé d'extraire et d'abstraire les caractéristiques de l'image d'entrée, un décodeur qui met l'accent sur les caractéristiques saillantes, et un module d'attention guidée par les contours (EGA) qui utilise l'opérateur de Laplace pour renforcer les contours des polypes. Des expériences étendues, à la fois qualitatives et quantitatives, menées sur cinq jeux de données de référence, démontrent que notre MEGANet surpasse les méthodes les plus avancées existantes selon six métriques d'évaluation. Le code source est disponible à l'adresse suivante : https://github.com/UARK-AICV/MEGANet.