基于深度学习的结直肠息肉分割方法：系统性综述

作者及机构
本综述由Xin Liu（马来西亚理科大学电气与电子工程学院）、Nor Ashidi Mat Isa（通讯作者，同机构）、Chao Chen（马来西亚理科大学及四川轻化工大学自动化与信息工程学院）、Fajin Lv（重庆医科大学生物医学工程学院）共同完成，发表于期刊J. Imaging 2025年第11卷，文章编号293。

研究背景与意义
结直肠癌（Colorectal Cancer, CRC）是全球三大高发癌症之一，其早期筛查依赖结肠镜检测和息肉分割技术。然而，息肉在形态、大小、颜色和边界清晰度上存在高度多样性，且结肠镜图像对比度低，传统基于手工特征的方法（如纹理分析）泛化能力有限。2015年全卷积网络（Fully Convolutional Networks, FCNs）的提出推动了深度学习在该领域的应用，随后Transformer和Mamba等架构进一步提升了分割性能。本文系统性回顾了2018至2024年间发表的146篇论文，旨在总结不同网络架构（CNN、Transformer、混合架构、Mamba）在息肉分割中的进展，并分析其性能、数据集及未来趋势。

主要内容与观点

1. 息肉分割的挑战与分类
   息肉分割面临六大核心挑战：

   • 形态多样性：息肉大小、形状、颜色差异显著，易与周围组织混淆。
     
   • 边界模糊：低对比度图像导致边缘难以精确分割。
     
   • 数据稀缺：像素级标注成本高，小样本易引发过拟合。
     
   • 泛化性不足：模型在跨数据集测试中性能下降。
     
   • 实时性需求：临床要求高帧率处理，但复杂模型计算量大。
     
   • 视频分割难点：内镜视频存在运动模糊、镜头抖动等干扰。
     作者按网络架构将方法分为五类：CNN、Transformer、混合架构、Mamba及其他（如扩散模型、SAM模型）。
     

2. CNN-based方法

   • 优势：擅长局部特征提取，计算效率高（如U-Net、ResUNet++）。
     
   • 创新方向：
     
     • 边界增强：如FEGNet通过拉普拉斯算子强化边缘特征；PRANet通过反向注意力逐步优化边界。
       
     • 多尺度处理：UHA-Net通过分层融合模块定位不同尺寸息肉。
       
     • 半监督学习：DEC-Seg仅需10%标注数据即可接近全监督性能。
       
   • 局限：长程依赖建模能力弱，对小息肉（面积≤1000像素）分割效果不稳定。
     

3. Transformer-based方法

   • 优势：自注意力机制（Self-Attention）能捕捉全局上下文，如Swin-UNet和PolyFormer。
     
   • 创新方向：
     
     • 多尺度交互：CTNet通过对比学习增强高层语义；MSRAFormer通过金字塔结构融合多尺度特征。
       
     • 轻量化设计：Polyp-LVT将参数量减少44%，保持13.21 GFLOPs计算量。
       
   • 局限：计算复杂度高，且对数据分布敏感（如SSFormer在域外数据上性能下降）。
     

4. 混合架构方法

   • 设计思路：结合CNN的局部感知与Transformer的全局建模，如TransFuse通过双分支并行处理特征。
     
   • 典型模型：
     
     • MVOA-Net引入几何方向Transformer编码器，提升多目标分割精度。
       
     • PFENet通过前景-边界协同增强模块优化模糊区域分割。
       
   • 局限：模型参数量大（如HD-Former），实时性受限。
     

5. Mamba-based方法

   • 创新性：基于状态空间模型（SSM）的Polyp-Mamba通过线性复杂度处理长序列，在保持效率的同时提升边界敏感性。
     
   • 应用案例：VM-UNetv2通过视觉状态空间块（VSS Block）实现跨层特征融合，Dice系数提升1.5%。
     

6. 视频息肉分割

   • 关键问题：时序信息利用与实时性平衡。
     
   • 代表性工作：
     
     • PNS+通过全局-局部编码器提取时空特征，速度达170 FPS。
       
     • Diff-VPS引入多任务扩散模型，对抗视频中的运动模糊。
       

性能评估与数据集
- 评估指标：Dice系数（Dice Coefficient）、平均交并比（mIoU）、帧率（FPS）。
- 主流数据集：Kvasir-SEG、CVC-ClinicDB、ETIS-LaribPolypDB，涵盖不同分辨率与光照条件。
- 模型对比：44个模型中，TransFuse-S以98.7 FPS兼顾速度与精度，而Polyp-Mamba在长序列任务中表现最优。

未来趋势与挑战
1. 数据层面：需开发更大规模、多中心的标注数据集。
2. 算法层面：轻量化设计与域自适应（Domain Adaptation）是重点方向。
3. 临床整合：实时性需提升至≥30 FPS，并解决内镜器械遮挡等实际干扰。

论文价值
本综述首次系统梳理了Mamba架构在息肉分割中的应用，对比了不同方法的性能边界，为临床AI工具开发提供了技术选型参考。其提出的分类框架（如按问题导向划分网络架构）和开源数据集汇总（如Sun-SEG视频数据集）将成为领域基准。

亮点
- 全面性：涵盖146篇文献，时间跨度达7年，包括新兴的Mamba方法。
- 问题导向分析：将方法归类至具体挑战（如边界模糊、小息肉分割），而非仅按架构分类。
- 性能基准：提供44个模型的Dice、FPS等量化对比，辅助工程落地决策。