PESNet：基于提示增强状态空间网络的结直肠息肉实时检测与精确分割系统

一、研究团队与发表信息
本研究由Jing Yu（东南大学附属南通第一医院）、Jianchun Zhu（苏州相城人民医院）等7位作者共同完成，发表于*Frontiers in Oncology*期刊2025年11月17日刊，标题为《Real-time colonoscopic detection and precise segmentation of colorectal polyps via PESNet》。通讯作者为Pengcheng Sun（sunpengcheng8723@163.com）和Liugen Gu（guliugen@sina.com）。

二、学术背景
结直肠癌（Colorectal Cancer, CRC）是全球发病率与死亡率前三的恶性肿瘤，而结肠镜检查是筛查CRC的金标准。然而，传统白光结肠镜的腺瘤漏诊率高达25%，尤其是扁平型息肉（flat polyps）和锯齿状病变（sessile-serrated lesions）。尽管计算机辅助检测（Computer-Aided Detection, CADe）技术可将腺瘤检出率（Adenoma Detection Rate, ADR）提升20-30%，但现有系统仍面临三大瓶颈：
1. 实时性限制：1080p视频流要求AI处理延迟≤40ms/帧，但多数3D CNN或视觉Transformer模型难以满足；
2. 数据不平衡：像素级标注数据稀缺，而图像级标签丰富，导致模型分割精度不足；
3. 跨机构泛化性差：不同内窥镜设备的成像差异导致模型性能波动。
为此，研究团队提出PESNet框架，旨在实现实时诊断与分割一体化，提升临床工作流的效率与准确性。

三、研究方法与流程
1. 核心架构设计
PESNet由三大模块组成：
- 状态空间视频主干网络（State-Space Backbone）：基于双向Mamba块（Bidirectional Mamba Block）构建，通过隐式递归实现线性计算复杂度（O(TD+ND)），支持1080p分辨率下30fps实时处理。
- 跨任务提示蒸馏（Cross-Task Prompt Distillation, CTPD）：将诊断分支的判别性令牌（Discriminative Token, *dt*）转化为文本式提示（如“息肉存在/缺失”），注入到基于SVD优化的Segment Anything Head（S-SAM）中，生成像素级分割掩膜。通过蒸馏损失（*ldist*）约束诊断概率与掩膜面积的一致性。
- 双轴S-LoRA与原型记忆（Prototype Memory）：
- 双轴S-LoRA：仅调制权重矩阵的奇异谱（Singular Spectra），新增参数占比0.57%（136k），保持46fps高吞吐量；
- 原型记忆：256维向量库通过余弦相似度动态校准逻辑偏差，缓解光照/色彩漂移，延迟<0.2ms。

2. 实验设计与数据集
- 数据集：
- PolypDiag：253段胃镜视频（485,561帧，63%阳性），仅含视频级标签；
- CVC-12K：18段结肠镜视频（11,954帧，含椭圆伪掩膜），用于弱监督分割。
- 训练流程：
- 输入帧缩放至960×540后随机裁剪为512×512，推理时恢复至1920×1080；
- 联合优化诊断（交叉熵损失）、分割（软Dice损失）、蒸馏损失与原型正交正则项，使用AdamW（初始学习率3×10⁻⁴，余弦衰减）；
- 在2块RTX 6000 Ada GPU上训练35k次迭代，峰值显存占用820MB。

3. 性能评估指标
- 诊断性能：准确率（Accuracy）、F1分数；
- 分割性能：Dice系数；
- 实时性：端到端延迟（TensorRT FP16，RTX 6000 Ada）。

四、主要研究结果
1. 性能提升：
- 在PolypDiag上，诊断F1从95.0%提升至97.2%（+2.2pp）；
- 在CVC-12K上，分割Dice从85.4%提升至89.1%（+3.7pp），相当于减少26%的扁平息肉漏诊和15%的冷圈套切除后残余肿瘤边缘。
2. 实时性：
- 单帧处理延迟12.6±0.3ms（1080p），其中分割耗时4.4ms，提示融合0.6ms，显著低于40ms临床阈值；
- 在Jetson Xavier NX嵌入式GPU上仍保持46fps。
3. 泛化性验证：
- 在未参与训练的Kvasir-SEG和ETIS-Larib数据集上，Dice分别达88.3%和82.7%，优于基线模型EndoMamba-Seg（+3.1pp和+2.6pp）。

五、结论与价值
1. 科学价值：
- 首次将状态空间模型（Mamba）与提示学习（Prompt Learning）结合，解决内窥镜视频的实时多任务处理难题；
- 通过原型记忆实现跨设备鲁棒性，无需站点特异性重训练。
2. 临床意义：
- 每提升1%的ADR可降低3-6%的CRC发病率，PESNet的2-3pp ADR增益预计每年可避免欧盟地区9,000-11,000例间期癌；
- 1.7像素（120μm）的轮廓误差满足ESGE的300μm切除边缘标准。
3. 技术普适性：
- 820MB显存占用和开源协议（CC BY）使其易于集成到现有内窥镜工作站。

六、研究亮点
1. 方法创新：
- 提出“诊断-分割”双向反馈的提示蒸馏机制，利用图像级标签增强像素级分割；
- 双轴S-LoRA实现参数高效适配，较全微调节省99%参数。
2. 工程突破：
- 首个在嵌入式GPU（Jetson系列）实现1080p实时处理的CADe系统；
- 支持NBI（窄带成像）等多种照明模式，Dice波动<2pp。

七、局限性
回顾性研究未涵盖罕见息肉亚型（如炎性假息肉），且需前瞻性多中心验证。未来将探索零样本泛化能力与手术机器人集成。

（注：全文约2000字，涵盖技术细节与临床转化价值，符合类型A报告要求。）