AttASPP-UNet — 结肠镜息肉图像智能分割系统
医学影像 AI 研究项目，独立设计与实现。目标是在结肠镜影像中自动识别并精确勾勒出息肉轮廓，辅助消化道早期病变筛查。
项目内容：
• 基于 PyTorch 从零搭建 Encoder-Decoder 语义分割网络：EfficientNet-B4 预训练编码器提取多级特征，ASPP 空洞空间金字塔池化在瓶颈层聚合多尺度上下文，解码端引入注意力门控（Attention Gate）过滤背景噪声、聚焦病灶区域
• 设计 BCE + Dice 组合损失函数，针对息肉目标小、形态不规则、与黏膜背景对比度低等难点优化
• 搭建完整数据管线：数据清洗、增强、训练、测试时增强（TTA）
• 在 5 个国际公开息肉数据集（Kvasir-SEG、CVC-ClinicDB、CVC-ColonDB、CVC-300、ETIS-LaribPolypDB）上完成评估，建立 Dice/IoU 等六指标评估体系
• 完成完整消融实验，验证各模块贡献；与主流分割模型横向对比，重点验证跨数据集泛化能力（模型在没见过的医院数据上的表现）
本人角色： 独立开发者，负责模型设计、代码实现、训练调优、实验评估与论文撰写全部工作。
技术栈： Python / PyTorch / 深度学习 / 计算机视觉 / 医学影像处理 / 语义分割