La detección precisa y localización de pólipos durante exámenes endoscópicos son críticas para el diagnóstico temprano de enfermedades y la prevención del cáncer. Sin embargo, la presencia de artefactos y ruido, junto con la alta similitud entre pólipos y tejidos circundantes en color, forma y textura, complican la detección de pólipos en fotogramas de video. Para abordar estos desafíos, implementamos un análisis de regresión multivariante para refinar el modelo e introdujimos una Red de Percepción Supresora de Ruido (NSPNet) diseñada para un rendimiento mejorado. NSPNet aprovecha la transformada wavelet para mejorar la resistencia del modelo al ruido y artefactos, al tiempo que mejora una estrategia de detección colaborativa multi-frame para la detección dinámica de pólipos en videos endoscópicos, utilizando eficientemente información temporal para fortalecer características a lo largo de los fotogramas. Específicamente, diseñamos un marco de Fusión de Características de Alta y Baja Frecuencia (HFLF), que permite al modelo capturar detalles de alta frecuencia de manera más efectiva. Además, introdujimos un módulo de Detección de Pólipos STFT-LSTM mejorado (SLPD) que utiliza información temporal de secuencias de video para mejorar la fusión de características en entornos dinámicos. Por último, integramos un módulo de Detección de Pólipos con Aumento de Imagen (IAPD) para mejorar el rendimiento en datos no vistos a través de estrategias de mejora de preprocesamiento. Experimentos extensos demuestran que NSPNet supera a nueve métodos SOTA en cuatro conjuntos de datos en métricas clave de rendimiento, incluyendo F1Score y recall.