我们绘制的封面中稿了

视觉智能驱动的三重注意力特征融合网络，用于内镜结直肠癌分割

从内镜图像中精准分割结直肠癌病灶，是计算机辅助诊断的关键环节。视觉智能技术可提升检测精度，为临床决策提供支撑。然而，现有分割方法难以精准勾勒细微的病灶边界，其原因在于上下文信息理解不足，且无法有效聚焦最优特征。此外，多尺度语义信息融合效果不佳，也限制了模型性能，在复杂内镜成像场景中表现尤为明显。
针对上述问题，本文提出ColoSegNet——一款面向高精度结直肠癌分割、由视觉智能驱动的三重注意力特征融合网络。该方法首先对骨干网络进行对比分析，筛选出最优的中层特征提取方案。网络结构引入非局部注意力模块以捕捉长距离依赖关系，并结合通道注意力与空间注意力机制，强化不同语义层级的特征筛选能力。同时采用多尺度特征融合策略，兼顾底层细节信息与高层全局语义，实现复杂场景下的病灶精准定位。
本文在四个公开内镜数据集上开展大量实验，并完成跨数据集验证。结果表明，ColoSegNet 具备优异的分割性能与泛化能力，综合表现优于当前主流先进分割算法。

服务对象 ： 土耳其开塞利埃尔吉耶斯大学
发表时间： 2025年6月25日
发表期刊： ICCK Transactions on Intelligent Systematics
文章链接： 10.62762/TIS.2025.385365