Polyper: Segmentación de pólipos sensible a los límites

Presentamos un nuevo marco sensible a los límites para la segmentación de pólipos, denominado Polyper. Nuestro método se basa en un enfoque clínico que los médicos experimentados a menudo utilizan para aprovechar las características inherentes de las regiones internas de los pólipos para abordar los límites difusos. Inspirados en esto, proponemos aprovechar explícitamente las regiones de límite para fortalecer la capacidad de discriminación de límites del modelo mientras minimizamos el desperdicio de recursos computacionales. Nuestro enfoque primero extrae las regiones de límite de baja confianza y las regiones de predicción de alta confianza de un mapa de segmentación inicial a través de operadores morfológicos diferenciables. Luego, diseñamos la atención sensible a los límites que se concentra en aumentar las características cerca de las regiones de límite utilizando las características de la región de predicción de alta confianza para generar buenos resultados de segmentación. Nuestro método propuesto se puede integrar sin problemas con redes de codificadores clásicas, como ResNet-50, MiT-B1 y Swin Transformer. Para evaluar la efectividad de Polyper, realizamos experimentos en cinco conjuntos de datos desafiantes de acceso público y obtenemos un rendimiento de vanguardia en todos ellos. El código está disponible en https://github.com/haoshao-nku/medicalₛeg.git.