Large Language Model Evaluated Stand-alone Attention-Assisted Graph Neural Network with Spatial

一、文章主要内容

本文针对结直肠息肉内镜图像分割中存在的息肉与周围黏膜对比度低、存在镜面高光、边界模糊等挑战，提出了名为FOCUS-Med的息肉分割框架，旨在实现精准的内镜图像分割，助力早期结直肠癌检测。

1. 核心架构

• 编码器：采用ConvNeXt块作为骨干网络进行特征提取，为后续的特征处理奠定基础。
• 瓶颈层：引入基于双图卷积网络（Dual-GCN）的特征增强块（DBFEB），该模块构建空间图和结构 graph，分别捕捉细粒度空间细节和长距离结构依赖关系，其中结构 graph 借助迪杰斯特拉算法构建基于最短路径的注意力机制，增强对息肉拓扑语义依赖的捕捉。
• 解码器：采用位置融合独立自注意力（LFSA）模块，将空间位置信息融入注意力计算，更好地聚焦于细微和细粒度特征，提升对不规则息肉形状的捕捉能力。
• 特征融合：设计加权快速归一化融合（WFNF）策略，为编码器-解码器层间的不同特征源（先验解码器特征、编码器跳跃连接、DBFEB输出）分配可训练权重，实现高效的多尺度特征聚合，减少语义差距。

2. 实验验证

• 实验数据集