这篇文档属于类型a，即报告了一项原创性研究的科学论文。以下是针对该研究的学术报告：

作者及机构
本研究由Yuyang Jie（广西民族大学物理与电子信息学院）、Wei Wang（中山大学附属第一医院超声医学科）、Wentao Shi和Zhenkun Lu（广西民族大学物理与电子信息学院/广西多模态信息智能感知处理与应用高校工程研究中心）合作完成，发表于2026年的期刊《Engineering Applications of Artificial Intelligence》（卷164，文章编号113282）。

学术背景
结直肠癌是全球癌症相关死亡的第二大原因，每年导致超过90万例死亡。肠息肉（polyp）的准确分割是预防结直肠癌进展的关键步骤，但现有方法在复杂场景中的鲁棒性仍需提升。传统方法依赖边缘纹理等低层特征，而基于U-Net的改进模型和Transformer的引入虽提升了全局特征提取能力，但仍存在多尺度特征融合效率低、对医学图像中不规则目标的适应性不足等问题。本研究旨在提出一种新型网络架构，通过融合多通道（multi-channel）和多尺度（multiscale）特征，实现更高效的息肉分割。

研究流程与方法
1. 网络架构设计
研究提出名为MML-Net（Multimodal and Multiscale Learning Network）的模型，基于Pyramid Vision Transformer（PVT）编码器架构，包含三个核心模块：
- 多通道特征融合模块（MCF）：通过动态权重分配机制（含可学习系数α和Sigmoid函数）实现跨层特征自适应融合，采用分块并行处理提升计算效率。
- 多尺度并行注意力模块（MPA）：使用3×3、5×5、7×7的深度可分离卷积（DWConv）并行提取多尺度特征，结合通道注意力（CBAM）和门控注意力机制增强病变形态多样性建模能力。
- 线性注意力模块（LA）：采用ReLU激活替代Softmax，以较低计算成本增强全局特征。

1. 实验设计

   • 数据集：训练集整合CVC-ClinicDB（550张）和Kvasir-Seg（900张）共1450张图像；验证集包括CVC-ClinicDB（62张）、Kvasir-Seg（100张）、CVC-ColonDB（380张）、ETIS-LaribPolypDB（196张）和EndoScene（60张）。
     
   • 评估指标：采用Dice系数、IoU、MAE、加权F-measure等6项指标，重点关注区域级相似性（Dice/IoU）和像素级误差（MAE）。
     
   • 训练细节：使用PyTorch框架，输入图像统一缩放至352×352，采用多尺度增强（0.⁷⁵⁄₁.0/1.25）和AdamW优化器（学习率2.5e-5），训练150个epoch。
     

2. 数据分析
   通过五折交叉验证比较12种模型（包括U-Net、UACANet、Polyp-PVT等），采用Matlab评估工具生成定量结果。通过热力图可视化分析不同层级特征响应，验证分层融合策略的有效性。

主要结果
1. 整体性能
MML-Net在五组数据集上的加权平均Dice系数达0.851，较第二名EMCAD（0.840）提升1.31%，参数量仅34.4M，计算量13.9 GFLOPs。其中：
- 内部数据集（CVC-ClinicDB/Kvasir）：Dice分别为0.934和0.925，较Polyp-PVT提升0.7%。
- 外部数据集（CVC-ColonDB/ETIS）：Dice达0.830和0.813，较第二名提升1.59%，显示强泛化能力。

1. 模块贡献
   消融实验表明：

   • 移除MCF导致Dice下降0.019（95% CI: -0.0190~-0.0053）；
     
   • 移除MPA使ETIS数据集IoU降低2.4%；
     
   • LA模块将小目标分割错误率减少12%。
     

2. 可视化分析
   特征热力图显示，浅层网络捕获息肉轮廓，中层细化边界，深层实现精确定位，验证了分层融合策略的有效性（图8）。与EMCAD和Polyp-PVT相比，MML-Net在模糊边界场景中的误报率降低18%（图7）。

结论与价值
1. 科学价值
- 提出动态权重分配机制，解决了传统金字塔结构中固定权重导致的特征融合僵化问题；
- 通过并行多尺度卷积替代空洞卷积，避免网格伪影（grid artifacts），提升不规则病变的表征能力。

1. 应用价值
   
   • 模型轻量化（13.9 GFLOPs）适合嵌入式医疗设备部署，可辅助内镜实时诊断；
     
   • 在资源有限的基层医疗机构中，可作为决策支持工具提升筛查效率。
     

研究亮点
1. 方法创新：首次将PVTv2骨架网络与多通道/多尺度模块结合，设计MCF和MPA两个可插拔模块；
2. 性能突破：在最具挑战性的ETIS数据集上Dice系数首次突破0.81；
3. 临床意义：减少健康组织误判率（较基线模型下降23%），对早期癌变筛查至关重要。

其他发现
EndoScene数据集因与训练集存在部分同源，模型性能普遍偏高（Dice>0.89），提示未来需构建更具差异化的外部验证集。此外，模型对极模糊边界的息肉仍存在分割不足（图8第4行），这将是后续研究重点。

（注：文中所有专业术语如DWConv（深度可分离卷积）、CBAM（卷积块注意力模块）等均在首次出现时标注英文原词，符合要求）