-
题名多尺度和边界融合的皮肤病变区域分割网络
被引量：1
- 1
-
-
作者
王国凯
张翔
王顺芳
-
机构
云南大学信息学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第7期1826-1837,共12页
-
基金
国家自然科学基金(62062067)
云南省智能系统与计算重点实验室建设项目(202205AG070003)。
-
文摘
皮肤病变区域的准确分割是临床诊断分析的关键一步。针对现有网络在皮肤病变区域存在尺寸大小多变、形状不规则、边界模糊和病变区域被遮挡的情况导致的分割效果不佳问题,在U-Net的基础上改进了原有结构,提出了一种用于皮肤病变区域分割的多尺度和边界融合网络(MSBF-Net)。首先,提出了分裂池化(SplitPool)模块,在缩小图像分辨率的同时有效地解决了空间信息丢失的问题。其次,提出了全尺度特征融合(FSFF)模块,有效地解决了以往方法仅将深层特征向浅层特征融合,而忽略了更浅层特征中的细节信息对网络分割决策的贡献问题。同时,重新设计了U-Net原有的跳跃连接,为解码器提供了更丰富的上下文信息。最后,提出了用于增强网络对边界特征学习能力的子路径,并引入边界融合(BF)模块将主路径和子路径的预测结果进行融合,有效地解决了病变区域形状不规则和边界模糊问题。在ISIC2018数据集上,Dice和JI分别达到了90.12%和83.61%,比基线网络分别提高了1.13个百分点和1.62个百分点;在PH2数据集上,Dice和JI分别达到了94.72%和90.18%,比基线网络分别提高了1.49个百分点和2.17个百分点。实验结果表明,MSBFNet显著提升了皮肤病变区域分割的精确度,并在多个指标上超过了现有的先进方法,进一步验证了方法的有效性。
-
关键词
皮肤病变区域分割
跳跃连接
边界特征
特征融合
注意力机制
-
Keywords
skin lesion region segmentation
skip connections
boundary feature
feature fusion
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
