近日，我校自动化与信息工程学院丁菊容博士科研团队在模式识别与人工智能领域国际顶级期刊《Pattern Recognition》（中国科学院1区TOP期刊，IF=7.6）上发表题为“MSBP-Net: A Multi-Scale Boundary Prediction Network for Efficient Polyp Segmentation”的学术论文。自信学院控制科学与工程2022级研究生潘兴亮为论文第一作者，丁菊容为通讯作者，我校为论文独立完成单位。

研究团队针对肠镜息肉分割困难、分割方法复杂度高的问题展开研究，提出了一种轻量级的多尺度边界预测网络（MSBP-Net），旨在快速、准确地完成肠镜息肉分割任务。MSBP-Net包含一个预训练的Transformer编码器和一个轻量级的解码器，在解码过程中分别基于边界预测模块和浅层滤波模块依次挖掘粗粒度和细粒度的息肉边界，以极低的复杂度实现了最高0.940的Dice相似系数。与现有的典型方法相比，MSBP-Net 在五个测试集上的表现接近最优方法，而其参数量和计算量分别降低了至少28.2%和20.2%。最后，MSBP-Net在配备8GB显存的3070 GPU上实现了41帧/每秒的速度，表明所提网络在实时分割任务中具有应用潜力。

《Pattern Recognition》是模式识别与人工智能领域国际公认的顶级学术期刊，创刊于1968年，由Elsevier出版，涵盖模式识别、人工智能、图像处理等前沿研究方向，近5年平均影响因子为7.9。

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0031320325007617?via%3Dihub

【复审：张艳  终审：彭均国】