Lite-PolypNet：面向结肠镜图像息肉分割的轻量化高效网络及其在结直肠癌早期筛查中的意义

　　来自多机构的研究人员针对结肠镜图像中息肉分割任务在精度与计算效率间的平衡问题，开展了基于轻量化网络的息肉分割研究。他们提出Lite-PolypNet，集成渐进特征聚合、全局注意力增强与双分支解码结构，在五个公开数据集上取得最高Dice达94.7%的分割精度，同时大幅降低参数量与计算成本，为资源受限场景下的实时息肉检测提供高效解决方案。

　　

早期发现结直肠息肉（Colorectal Polyps）对预防结直肠癌（Colorectal Cancer）具有重要意义。然而，现有分割方法往往难以兼顾精度与计算效率。为此，本研究提出一种轻量化、高效的息肉分割网络Lite-PolypNet。该网络以MobileNetV3为骨干，融合了渐进特征聚合模块（Progressive Feature Aggregation Module）、全局注意力增强模块（Global Attention Augmentation Module）以及双分支解码器结构（Dual-Branch Decoder），有效整合多尺度特征与全局上下文信息，从而提升边界重建与小息肉检测能力。在五个公共数据集上的大量实验表明，Lite-PolypNet在实现高分割精度（最高Dice系数达94.7%）的同时，显著降低了模型参数量与计算复杂度（FLOPs）。与代表性基线模型相比，Lite-PolypNet参数量减少超过六倍，更适合部署在资源受限的实际临床环境中。