数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：10725 标注数量(xml文件个数)：10725 标注数量(txt文件个数)：10725 标注类别数：6 标注类别名称:["Polyps","blood","bubbles","esophagitis","inst

文章目录 标题摘要方法实验结果 标题 摘要 结直肠息肉在结肠镜检查中被发现，与结直肠癌密切相关，因此息肉分割是诊断和治疗计划的重要临床决策工具。然而，准确的息肉分割仍然是一个具有挑战性的任务，尤其是在涉及微小息肉和其他肠道物质导致高假阳性率的情况下。以往基于监督二值掩码的息肉分割网络可能缺乏对息肉的全局语义感知，导致在复杂场景中对息肉的捕捉和区分能力不足。 本文提出了一种新

项目应用场景 面向医疗图像息肉分割场景，项目采用 Pytorch + Pyramid-Vision-Transformer 深度学习算法来实现。 项目效果 项目细节 ==> 具体参见项目 README.md (1) 模型架构 (2) 项目依赖，包括 python 3.8、pytorch 1.7.1、torchvision 0.8.2(3) 下载处理好的数据集，下载预训练权重

结直肠癌在全球范围内是发病率第三、致死人数第四的恶性肿瘤(Beattie et al., 2005 ; Carey, 2017; Church, 2016)。结直肠腺瘤是结直肠癌的癌前病变，根据组织学形态可以分为低级别腺瘤和高级别腺瘤，从低级别腺瘤到腺癌的序列发生需要10年以上时间。因此，深入解析低级别腺瘤向腺癌转化的分子机制对于结直肠癌的预防、早筛和治疗都有重要意义。 家族性腺瘤性息肉病（Fa