-
题名改进型密集递归残差U-Net的皮肤病变图像分割
- 1
-
-
作者
赵德春
袁杨
秦璐
韦莉
叶昌荣
-
机构
重庆邮电大学生命健康信息科学与工程学院
重庆邮电大学光电工程学院
-
出处
《中国生物医学工程学报》
北大核心
2025年第3期291-300,共10页
-
基金
重庆市自然科学基金面上项目(CSTB2024NSCQ-MSX0957)
国家自然科学基金青年项目(62201106)。
-
文摘
皮肤病变区域的准确分割对计算机辅助诊断具有重要意义。但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度。为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实现皮肤病变区域自动分割。首先,将编码层和解码层中的原始卷积块优化为递归残差卷积模块,并且使用密集连接,缓解了梯度消失问题;其次,引入特征自适应模块,通过加强有效特征和抑制无关背景噪声,增强相邻特征之间的融合程度;接着,设计双重注意力机制,其中空间注意力增大全局信息的利用效率,通道注意力用于加强通道特征间的相关性,提升网络对皮肤病变区域分割的准确率,同时采用联合Dice系数与交叉熵的损失函数训练分割网络,解决皮肤镜图像中类别不平衡的问题;最后,采用ISIC 2017皮肤病变数据集中的2000余张图片进行了消融实验和对比实验。实验结果表明,IDR2U-Net模型在Jaccard、Dice系数和准确率上分别达到了78.86%、86.92%和94.61%。改进后的模型不仅提高了精度,还实现了更精细的图像分割,特别是在处理边界模糊图像时,能有效减少欠分割现象。
-
关键词
皮肤病变图像分割
U型网络
密集递归残差卷积模块
特征自适应模块
双重注意力机制
-
Keywords
skin lesion image segmentation
U-Net
dense recurrent residual convolution module
feature adaptation module
dual attention mechanism
-
分类号
R318
[医药卫生—生物医学工程]
-
-
题名视网膜血管提取算法
- 2
-
-
作者
李雪
马瑜
郭姝琪
王鹏志
-
机构
宁夏大学物理与电子电气工程学院
-
出处
《计算机工程与设计》
北大核心
2024年第12期3786-3793,共8页
-
基金
国家自然科学基金项目(62041108)。
-
文摘
为提高眼底视网膜血管分割的精确度,提出一种RAIterNet级联视网膜血管分割追踪算法,在预处理与分割网络模型阶段分别进行图像增强与精度提升。使用自适应分数阶次微分对待分割数据集进行增强提高血管图像质量,提升待分割图像血管与背景之间的对比度,利用RAIterNet模型对视网膜进行分割,基于连续性追踪方法对微弱结构的末端毛细血管进行追踪,可有效分割视网膜血管中难以分割的微细血管。算法在数据集DRIVE上进行测试,实验结果表明,Acc能够达到0.9650,F1分数为0.9006,获得了0.9807的AU-ROC曲线下面积,主观和客观结果验证了算法的有效性。
-
关键词
视网膜血管提取
卷积神经网络
递归残差卷积
注意力机制
分数阶微分
自适应分数阶增强
血管追踪
-
Keywords
retinal vessels extraction
convolution neural network
recursive residual convolution
attention mechanism
fractional order derivative
adaptive fractional order enhancement
vascular tracking
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
