《Scientific Reports》：AVPDN: learning motion-robust and scale-adaptive representations for polyp detection in dynamic colonoscopy frames
编辑推荐：
为应对结肠镜检查中因摄像机快速移动导致的运动模糊、镜面反射和尺度变化等帧级伪影对息肉检测准确性的挑战，研究人员开展了名为“自适应视频息肉检测网络(AVPDN)”的研究。该研究提出的AVPDN框架整合了自适应特征交互与增强(AFIA)模块和尺度感知上下文集成(SACI)模块，在多个公开基准测试中实现了最优性能，显著提升了动态、复杂肠镜帧中息肉检测的鲁棒性与泛化能力。
在结直肠癌的早期和中期诊断中，准确发现息肉是至关重要的一步。与静态图像相比，结肠镜检查视频能为治疗规划提供更丰富的视觉信息。但检查过程中摄像头的快速移动带来了不小的麻烦——运动模糊、恼人的镜面反光，以及目标息肉尺度的剧烈变化，这些帧级伪影像一层迷雾，严重降低了图像质量，让自动检测系统频频发出“误警报”，增加了假阳性。如何在这样动态、嘈杂的视频帧中，依然能像经验丰富的医生一样，精准地锁定那些可能癌变的息肉，成为了一个亟待解决的技术难题。
为了应对这些来自动态肠镜图像的独特挑战，一项名为“自适应视频息肉检测网络(AVPDN)”的研究应运而生，并发表在了《Scientific Reports》期刊上。这项研究的目标直指痛点：旨在开发一个强大的框架，专门用于在充满运动伪影的结肠镜图像中进行多尺度息肉检测，让AI助手在“手抖”的视频里也能保持火眼金睛。
为了攻克这一难题，研究团队构建了AVPDN模型，其核心是两大创新模块：自适应特征交互与增强(AFIA)模块和尺度感知上下文集成(SACI)模块。AFIA模块采用了一种双分支架构来增强特征表达能力。它并非“蛮干”，而是巧妙地分工合作：一个分支利用密集自注意力来建模全局上下文信息，纵览全图；另一个分支则使用稀疏自注意力，专门用来减少那些低查询-键相似度特征在聚合时带来的干扰，有点像是专注于处理重点线索。两个分支之间还通过通道打乱操作促进信息交流，取长补短。与此同时，SACI模块则专注于强化多尺度特征的整合。它利用了具有不同感受野的空洞卷积，像一套可调焦的镜头，分别捕捉不同空间尺度上的上下文信息。这种设计显著提升了模型在复杂场景中的“去噪”能力，能更好地从模糊和伪影中分辨出真正的息肉信号。通过这种“特征增强”与“多尺度上下文感知”的双重设计，AVPDN为动态肠镜下的息肉检测提供了一种新颖而高效的解决方案。
本研究主要应用了基于深度学习的目标检测框架构建、自适应特征交互与增强(AFIA)模块（包含密集自注意力、稀疏自注意力和通道打乱操作）、以及尺度感知上下文集成(SACI)模块（基于多尺度空洞卷积）。模型在多个公开的结肠镜息肉检测基准数据集上进行了训练与评估。
研究结果
模型架构与模块设计
研究人员提出了完整的AVPDN网络框架。核心贡献在于AFIA与SACI两个模块的设计。AFIA模块通过其双分支结构和注意力机制，有效增强了特征表示对运动伪影的鲁棒性；SACI模块则通过多尺度空洞卷积整合上下文，提升了模型对息肉尺度变化的适应能力。
在公开基准测试上的性能
研究在多个具有挑战性的公开数据集上进行了广泛的实验。结果表明，AVPDN方法在检测受复杂运动影响的结肠镜图像中的息肉方面，取得了最先进的性能。具体表现为更高的检测精度和更低的假阳性率，证明了该方法的有效性和强大的泛化能力。
分析与消融实验
通过对不同模块组合的消融实验研究，验证了AFIA模块和SACI模块各自对最终性能提升的贡献。结果表明，两个模块协同工作，分别从特征抗干扰和尺度适应性两个方面解决了动态肠镜检测的核心难点，缺一不可。
结论与意义
本研究成功开发了自适应视频息肉检测网络(AVPDN)，专注于解决动态结肠镜检查视频中因运动导致的图像质量退化问题。通过引入自适应特征交互与增强(AFIA)模块，模型强化了特征表示，降低了对运动模糊、反射等伪影的敏感性；通过尺度感知上下文集成(SACI)模块，模型加强了对不同大小息肉的特征融合与捕获能力。在多个公开基准上的实验一致证明，该方法在复杂、动态的肠镜帧息肉检测任务中达到了领先水平。这项工作的重要意义在于，它为提高结肠镜视频分析的自动化水平和辅助诊断的可靠性提供了一种有效的技术思路，通过增强AI在真实、复杂医疗场景下的感知能力，有望助力结直肠癌的早期筛查与诊断，具有重要的临床转化潜力。
