引入Edge-Guided Attention (EGA)模块，利用Laplacian算子增强边缘信息并提升弱边界息肉的分割效果。
设计了一个多尺度结构，从低级到高级特征中提取边缘相关信息，有效缓解语义差距问题。
在解码过程中融合高频率边缘信息，显著提高了息肉边界预测的准确性。
研究方法
采用经典的U-Net架构作为基础框架，构建编码器-解码器结构进行特征提取和分割预测。
在解码路径中引入EGA模块，使用Laplacian算子提取边缘信息，并将其融入到不同层级的特征图中。
通过在多个尺度上应用EGA模块，强化模型对边缘细节的关注能力，从而改善分割结果。
在五个公开的息肉分割数据集上进行全面评估，验证MEGANet的有效性与优越性。