食道病灶检测的多尺度细节增强金字塔网络

针对食道卢戈染色内窥镜(Lugol’s chromoendoscopy,LCE)检查图像中病变类间相似度高和类内尺度变化大等问题,提出了一种以Sparse R-CNN作为基底网络并搭载多尺度细节增强金字塔网络(multi-scale detail enhancement pyramid network,MDEPN)结构的多类食道病灶检测方法。为了改善Sparse R-CNN中的特征金字塔网络(feature pyramid network,FPN)结构在对多尺度特征进行融合时存在的信息丢失和语义差异问题,MDEPN结构首先使用Gabor调制卷积模块对不同尺度特征进行增强,利用Gabor对方向和尺度的强关注度提高了特征图中纹理信息的表达能力;其次使用方向通道池化模块提取不同尺度特征的局部特征方向相似性和局部与全局特征的相关性,减轻了不同尺度特征融合时的语义差异。在自建的多类食道LCE病灶数据集上进行测试,结果表明该方法的mAP0.50检测精度达到了65.0%,相同条件下,比基准模型Sparse R-CNN提升了2.4个百分点,并超过了对比的其余主流检测方法。所设计的MDEPN模块可作为一种独立的结构融入其他检测模型中以提升性能,具有一定的通用性。