[论文解读] AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation

Dinh Viet Sang, Tran Quang Chung+4 more|arXiv (Cornell University)|May 2, 2021

Colorectal Cancer Screening and Detection参考文献 28被引用 5

一句话总结

本文提出 AG-CUResNeSt，一种用于结肠息肉分割的新型深度学习架构，通过将耦合 U-Net 与鲁棒的 ResNeSt 主干网络及注意力机制相结合，增强特征融合与语义表征。该方法在五个基准数据集上实现最先进性能，于 Kvasir-SEG 数据集上取得 0.9585 的 AUC 与 0.886 的 MAP，尽管计算成本适中，仍展现出卓越的准确率与泛化能力。

ABSTRACT

Colorectal cancer is among the most common malignancies and can develop from high-risk colon polyps. Colonoscopy is an effective screening tool to detect and remove polyps, especially in the case of precancerous lesions. However, the missing rate in clinical practice is relatively high due to many factors. The procedure could benefit greatly from using AI models for automatic polyp segmentation, which provide valuable insights for improving colon polyp detection. However, precise segmentation is still challenging due to variations of polyps in size, shape, texture, and color. This paper proposes a novel neural network architecture called AG-CUResNeSt, which enhances Coupled UNets using the robust ResNeSt backbone and attention gates. The network is capable of effectively combining multi-level features to yield accurate polyp segmentation. Experimental results on five popular benchmark datasets show that our proposed method achieves state-of-the-art accuracy compared to existing methods.

研究动机与目标

• 为解决结肠镜检查中因视觉差异与边界不清晰导致的息肉漏诊率（20% 至 47%）问题。
• 通过克服外观多样性、平坦病灶及肠道准备不良等挑战，提升息肉分割的准确性。
• 开发一种深度学习模型，以增强特征表征与语义流，实现更优的分割性能。
• 提供一种鲁棒且可泛化的解决方案，适用于临床部署作为第二轮检查工具或培训辅助。
• 在模型复杂度与推理速度之间实现平衡，以适应资源有限医疗环境中的实时应用。

提出的方法

• 该方法采用双编码器耦合 U-Net（CUNet）架构，实现两个 U-Net 分支之间的双向特征流动，提升特征学习与表征能力。
• 集成 ResNeSt 主干网络，利用分拆注意力模块捕捉多层级上下文信息，提升特征判别能力。
• 在跳跃连接中应用注意力门，抑制无关特征，并在上采样过程中增强融合特征的相关性。
• 通过多尺度跳跃连接与拼接操作，将高层语义特征与低层空间细节相结合，实现精确分割。
• 采用交叉熵损失与 Dice 损失联合端到端训练模型，以优化息肉图像的分割性能。
• 推理在单张 GPU（NVIDIA RTX 3090）上完成，达到 19.2 FPS，适用于实时临床部署。

实验结果

研究问题

• RQ1 采用注意力机制与现代主干网络的耦合 U-Net 架构，是否能在分割准确率上超越现有最先进方法？
• RQ2 ResNeSt 与注意力门的集成如何影响在多样化息肉外观与数据集上的特征表征与泛化能力？
• RQ3 所提出的 AG-CUResNeSt 模型在不同结肠镜数据集（成像条件各异）上的泛化能力如何？
• RQ4 在临床环境中，即使模型复杂度略有增加，但每提升 1% 的腺瘤检出率可使癌症风险降低 3%，这种复杂度与性能的权衡是否合理？
• RQ5 该模型能否作为内镜医师可靠的第二轮检查工具或培训辅助，尤其在低资源环境中？

主要发现

• AG-CUResNeSt-101 在 Kvasir-SEG 数据集的五折交叉验证中达到最高 AUC（0.9585）与 MAP（0.886），优于所有对比的最先进模型。
• 该模型在五个基准数据集（包括 Kvasir-SEG、CVC-ClinicDB、CVC-ColonDB、ETIS-Larib 与 Polyp-CT）上均表现出色，展现出一致的顶尖性能与卓越泛化能力。
• 尽管计算量达 273.40 GFlops，模型在 RTX 3090 GPU 上实现 19.2 FPS，表明其具备实时临床应用的可行性。
• 与轻量化模型（如 HarDNet-MSEG 与 PraNet）相比，该模型虽 FLOPs 更高，但准确率指标显著更优。
• 消融实验表明，ResNeSt、注意力门与耦合 U-Net 的组合在提升分割准确率与鲁棒性方面具有协同增效作用。
• 结果表明，鉴于每提升 1% 的腺瘤检出率可使结肠癌风险降低 3%，该模型的高准确率使其适度计算成本具有充分合理性。