-
题名基于超轻量实时分割网络的皮肤病变图像分割方法
- 1
-
-
作者
梅厦锦
巫笠平
张文新
马玉良
-
机构
杭州电子科技大学自动化学院
-
出处
《传感技术学报》
2025年第10期1784-1792,共9页
-
基金
国家自然科学基金项目(62071161)
浙江省教育厅科研项目(Y202351775)。
-
文摘
皮肤病变图像分割在皮肤病变诊断中至关重要。然而,基于深度学习的皮肤病变分割模型计算成本高和推理速度慢,难以部署在计算能力有限的皮肤镜设备上。针对上述问题,本研究提出了一种超轻量实时分割网络。首先,采用深度可分离卷积代替标准卷积,并设计了相对轻量的编解码网络架构,以降低模型复杂度和计算量。其次,在跳跃连接处加入了多级语义特征融合模块,有效缩小了浅层特征与深层特征的语义差距。此外,提出了多尺度特征融合模块以增强模型学习上下文信息的能力。最后,引入空间和通道注意力模块以关注重要特征。实验表明,ULRTS-Net在ISIC2016和PH2数据集上的JI指标分别达到85.78%和89.95%,且仅有0.407M的模型参数量和1.51GFLOPs。相比其他方法,ULRTS-Net在低计算成本下实现了快速精准的分割,验证了其有效性。
-
关键词
皮肤病变分割
超轻量实时分割
特征融合
注意力机制
-
Keywords
skin lesion segmentation
ultra-lightweight real-time segmentation
feature fusion
attention mechanism
-
分类号
TP183
[自动化与计算机技术]
TP391.4
[自动化与计算机技术—控制理论与控制工程]
-
