近日，International Endoscopy Computer Vision Challenge 赛事结束，来自厦门大学的LSWANG_XMU团队从全球的51支参赛队伍中脱颖而出，经历三轮紧张角逐，最终以优异的表现获得了该比赛中息肉分割竞赛的第一名。

  LSWANG_XMU团队由信息学院王连生老师指导，主要成员包括信息学院博士生汪家诚、医学院“健康大数据与智能医学”硕士研究生马玉玺和信息学院研究生穆若忱，其中汪家诚和马玉玺负责算法开发和论文撰写，穆若忱负责协助论文撰写。团队成员主要从事计算机与医疗的交叉学科研究。在此次比赛中，LSWANG_XMU团队扩展设计了Boundary-aware Pyramid Transformer，即BP-Trans，在内镜手术视频数据上实现了高精度、强泛化性的息肉分割。

  BP-Trans基于PVT（Pyramid Vision Transformer）对内镜影像建立多尺度特征图，并利用边界感知模块为精确的边界分割提供额外的先验知识。此外，由于单个患者的内镜影像通常表现为相同的颜色分布且不同患者的颜色分布有较大的差异，模型的泛化性受到极大影响，因此BP-Trans采用color exchange (CE)交换不同患者的颜色分布，作为数据增广来消除颜色对模型的影响，并采用Probability correction method (PCS)来提高正样本预测率，同时减少负样本干扰。

边界感知模块是由王连生老师团队在2021年提出，核心思想是提取目标边界变化大的区域作为先验信息对Transformer提取的特征进行修正、增强，同时利用边界约束提升Transformer的训练效率。基于边界感知模块，王连生老师团队设计了Boundary-aware Transformers用于皮肤病灶的分割，论文发表于MICCAI 2021，该模型结合了Transformer的全局自注意力机制和CNN的局部特征提取能力，并使用边界信息增强对皮肤病灶模糊边界的表达能力，在两个公开数据集上均达到当时最好的分割精度。相关代码及其他资源已公开（https://github.com/jcwang123/BA-Transformer）。

本次赛事吸引了来自世界各地的众多高校和研究机构参与，包括德国癌症研究中心（DKFZ）、海康威视（Hikvision）、iMED、浙江大学、国立清华大学、印度理工学院马德拉斯(IIT-Madras)等。赛事由牛津大学（University of Oxford，UK），阿拉伯科技学院（Arab Academy for Science and Technology）和IEEE国际生物医学成像研讨会（IEEE International Symposium on Biomedical Imaging，ISBI 2022）联合主办。该项系列赛事自2019年开始举办，今年是第四届，包含息肉分割、息肉检测、伪影分割、伪影检测四个赛道，其中息肉分割吸引最多队伍参加。