表 4. Improved strategy for fusing U-Net with Transformer.

融合U-Net与Transformer的改进策略

改进策略	模型	改进方法		优点		局限性
多尺度 特征融合	UViT-Seg[29]	ViT获取图像的高级语义信息，U-Net捕捉图像的形状低级特征		多重跳跃连接融合编码器与解码器多层特征，实现多尺度特征整合		定位深层与较大息肉时能力较低
	EG-TransUNet[30]	引入渐进增强、信道空间注意和语义引导注意模块		提升了待分割息肉区域的特征表达能力		计算需求的硬件资源大
	ColonFormer[31]	采用轻量级Transformer作为编码器		突破U-Net局部感受野限制，降低Transformer数据依赖		长程注意力破坏图像块结构
自注意力 机制	TransFuse[32]	双线性融合模块与自注意力机制结合		减少冗余和梯度消失问题		分割边界会出现伪影
	CswinDoubleU-Net[33]	增加额外的U-Net并与自注意力机制结合		能够精准捕捉息肉位置		参数量大，限制实时分割