基于深度学习的结肠息肉检测研究综述

基于深度学习的结肠息肉检测研究综述结肠息肉是结直肠癌的主要癌前病变，早期检测与切除可显著降低结直肠癌的发病率和死亡率。目前，结肠镜检查是结肠息肉筛查的金标准，但受内镜医师操作经验、疲劳程度等主观因素影响，临床中息肉漏诊率可达10%~25%。近年来，深度学习技术在医学图像分析领域取得突破性进展，为结肠息肉自动检测提供了高效、客观的解决方案，相关研究成果已逐步从实验室走向临床应用。一、结肠息肉检测数据集构建与预处理技术数据集是深度学习模型训练的基础，标注质量和数据多样性直接决定模型的泛化能力。当前公开的结肠息肉检测数据集主要分为光学结肠镜图像数据集、虚拟结肠镜CT数据集两大类，其中应用最广泛的包括CVC-ClinicDB、Kvasir-SEG、ETIS-LaribPolypDB等。CVC-ClinicDB包含612张常规结肠镜下的息肉图像，标注了息肉的精确边界；Kvasir-SEG数据集规模更大，包含1000张不同形态、大小、位置的息肉图像，覆盖了从增生性息肉到腺瘤性息肉的多种病理类型；ETIS-LaribPolypDB则包含196张高分辨率息肉图像，其中大量样本属于小息肉和扁平息肉，对模型的检测精度提出了更高挑战。除此之外，部分研究团队还构建了包含病理信息的多模态数据集，将内镜图像与病理活检结果对应，为后续的息肉良恶性判别研究提供支撑。针对结肠镜图像存在的光照不均、运动模糊、气泡、粪便遮挡等质量问题，预处理是提升模型性能的关键步骤。常用的预处理技术包括：一是光照归一化，采用自适应直方图均衡化（CLAHE）、Retinex算法等调整图像对比度，减少强光反射和阴影区域对特征提取的干扰，有研究表明该操作可将小息肉检测灵敏度提升5%以上；二是去噪与模糊修复，使用高斯滤波、非局部均值去噪算法去除图像噪声，针对运动模糊问题，基于生成对抗网络（GAN）的盲去模糊技术可有效恢复图像边缘细节，尤其适用于肠道蠕动导致的模糊样本；三是感兴趣区域提取，通过语义分割先去除图像中非肠道区域（如内镜镜头、注水导管等）的干扰，聚焦于肠道黏膜区域，降低模型的计算复杂度；四是数据增强，由于医学图像标注成本高，采用随机翻转、旋转、缩放、裁剪、颜色抖动等常规增强方式可扩充数据集规模，而基于StyleGAN、扩散模型的合成数据生成技术则可以生成罕见类型的息肉样本，有效缓解数据集的类别不平衡问题，已有研究证明合成数据可将模型在小息肉样本上的检测精度提升8%~12%。二、基于深度学习的结肠息肉检测主流模型架构当前结肠息肉检测模型主要分为单阶段检测模型、双阶段检测模型和分割辅助检测模型三大类，不同架构在检测速度和精度上各有侧重。单阶段检测模型以YOLO、SSD系列为代表，其核心优势是推理速度快，能够满足实时检测的需求，适配临床结肠镜检查的实际工作流。早期研究将YOLOv3模型应用于息肉检测，在CVC-ClinicDB数据集上实现了89.6%的mAP和45FPS的推理速度，基本达到实时检测要求。针对小息肉检测难的问题，后续研究对模型颈部和头部进行了改进：一是在特征融合层引入双向特征金字塔网络（BiFPN），加强不同尺度特征的信息交互，提升对直径小于5mm的小息肉的特征提取能力；二是添加注意力机制，如在卷积层中嵌入CBAM、ECA等注意力模块，引导模型聚焦于息肉的边缘、纹理等关键特征，抑制肠道褶皱、血管等背景区域的干扰，改进后的YOLOv8模型在包含大量小息肉的测试集上mAP可达94.2%，推理速度保持在30FPS以上，完全满足临床实时辅助提示的需求。此外，为适配边缘设备部署，研究人员通过模型剪枝、量化等轻量化操作，将模型参数量压缩至原来的1/10，在嵌入式设备上仍可实现20FPS以上的推理速度，为基层内镜设备的智能化改造提供了可能。双阶段检测模型以FasterR-CNN、MaskR-CNN为代表，其检测精度通常高于单阶段模型，但推理速度相对较慢，更适用于术后内镜视频的离线复盘分析。FasterR-CNN通过区域提议网络（RPN）先生成可能包含息肉的候选框，再对候选框进行分类和位置回归，在Kvasir-SEG数据集上的检测mAP可达95.7%，尤其对扁平型、无蒂型息肉的检测表现优于单阶段模型。针对息肉形态多变的问题，研究人员在FasterR-CNN的基础上引入可变形卷积，使卷积核能够根据息肉的形状自适应调整感受野，更好地捕获不规则形态息肉的特征。MaskR-CNN在检测的同时可以输出息肉的精确分割掩码，不仅能提供息肉的位置信息，还能测量息肉的大小、形态参数，为临床医师评估息肉风险提供更丰富的参考，相关研究显示其分割的Dice系数可达0.92，息肉大小测量误差小于5%。分割辅助检测是近年来结肠息肉检测领域的研究热点，其核心思路是将语义分割任务与目标检测任务结合，通过像素级的分割约束提升模型对息肉区域的感知能力。一类研究采用多任务学习框架，让模型同时进行目标检测和息肉分割，共享底层特征提取层，分割任务的损失函数作为正则项辅助检测任务学习，实验表明该方法可使检测mAP提升2%~3%，同时降低假阳性率。另一类研究采用级联架构，先通过语义分割模型得到息肉的区域概率图，再将概率图作为额外的输入通道送入检测模型，相当于给模型提供了息肉的位置先验，该架构在包含大量困难样本的测试集上表现突出，假阳性率较纯检测模型降低了30%以上。此外，基于Transformer的分割模型如SegFormer、Swin-UNet等也被应用于息肉检测，其全局建模能力能够更好地捕捉息肉区域与周围正常黏膜的上下文关系，对边界模糊的息肉检测具有明显优势。三、结肠息肉检测中的关键技术挑战与解决方案尽管深度学习在结肠息肉检测领域取得了显著进展，但临床应用中仍面临一系列技术挑战，相关研究围绕这些问题展开了大量探索。小息肉和扁平息肉检测是临床中的重点和难点。直径小于5mm的小息肉和高度低于2mm的扁平息肉往往与周围黏膜特征差异小，容易漏诊。针对这一问题，研究人员从三个层面进行优化：一是特征层面，设计多尺度特征融合模块，增强浅层特征的语义信息，保留小息肉的边缘、纹理细节；二是锚框设计层面，根据数据集中小息肉的尺寸分布自适应调整锚框的大小和比例，减少锚框与小目标的匹配误差；三是损失函数层面，引入FocalLoss、IOULoss等针对小目标的损失函数，提升小息肉样本在训练中的权重，降低易分样本的损失贡献，有研究通过上述改进将小息肉的检测灵敏度从78%提升至91%。假阳性率过高是限制模型临床应用的主要障碍。肠道中的粪便残留、气泡、褶皱、炎症区域等都可能被模型误判为息肉，过高的假阳性会增加临床医师的阅片负担，降低对辅助检测系统的信任度。降低假阳性的研究主要分为两类：一是引入上下文信息，通过3D卷积、时序建模等方式利用结肠镜视频的连续帧信息，判断可疑区域是否在连续帧中持续存在、形态是否符合息肉的变化规律，该方法可将假阳性率降低40%以上；二是构建难例挖掘机制，在训练过程中主动筛选被模型误判为息肉的负样本，将其加入训练集进行迭代训练，让模型学习假阳性样本与真实息肉的特征差异，相关临床验证显示，采用难例挖掘后的模型在真实临床视频中的假阳性率可降至每100帧0.8个以下，达到临床可用标准。模型的泛化能力和可解释性是临床转化的关键。由于不同内镜中心的设备型号、操作习惯、图像质量存在差异，在单中心数据集上训练的模型往往在其他中心的数据集上性能大幅下降。针对域适应问题，研究人员采用无监督域适应技术，通过对抗训练、风格迁移等方法减少源域和目标域图像的特征分布差异，有研究在跨中心测试中实现了性能下降小于5%的效果。此外，深度学习模型的“黑箱”特性让临床医师难以信任其检测结果，可解释性研究通过类激活映射（CAM）、梯度加权类激活映射（Grad-CAM）等方法可视化模型的决策依据，展示模型重点关注的图像区域，证明其决策是基于息肉的特征而非无关区域，提升临床医师的接受度。四、结肠息肉检测系统的临床应用与未来发展方向目前，部分深度学习辅助息肉检测系统已获得医疗器械认证，进入临床应用阶段。临床对照研究显示，使用辅助检测系统可将内镜医师的息肉检出率提升10%~15%，腺瘤检出率提升8%~12%，尤其对经验不足的低年资医师帮助更为显著，有效缩小了不同年资医师之间的诊断水平差距。当前的辅助检测系统主要实现实时息肉提示、息肉大小自动测量、息肉位置记录等功能，部分系统还集成了息肉良恶性初步判别功能，可在内镜检查过程中实时提示息肉的癌变风险，为医师选择治疗方案提供参考。未来，结肠息肉检测研究将向三个方向发展：一是多模态融合检测，结合白光内镜、窄带成像（NBI）、荧光内镜等多种模态的图像信息，提升对息肉的识别精度和良恶性判别能力；二是全流程智能化，将息肉检测、