计算机科学与探索

作者：孟祥福, 李佳讯, 俞纯林, 鲁蕴萱

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

关键词：皮肤病变分割,深度学习,医学图像,卷积神经网络

基金：国家自然科学基金（61772249）；辽宁省自然科学基金联合计划项目（20240311）。

皮肤病变种类繁多，临床表现复杂，涵盖从良性病变到恶性黑色素瘤等多种类型。这些病变的早期检测和准确分割对于皮肤癌的诊断和治疗至关重要，尤其是在恶性黑色素瘤等高风险病变的早期识别和定位中，能够显著提高患者的生存率。近年来，深度学习技术在皮肤病变图像分割领域取得了显著进展，极大地提高了分割的准确性和速度。对深度学习在皮肤病变图像分割中的研究展开综述。介绍了多种皮肤病变成像方式及常用的公开数据集，并对常用的评价指标进行了归纳。针对图像普遍存在的噪声和伪影问题，详细探讨了多种图像预处理和增强技术。深入阐述了基于深度学习的皮肤病变分割方法，涵盖了U-Net、Transformer、SAM、Mamba以及多网络融合模型。同时，综合对比了各网络模型的主要结构设计、优势、局限性及其分割性能。对该领域当前所面临的挑战和问题进行了剖析，并对未来的研究方向提出了展望，以期为皮肤病变图像分割领域的进一步发展提供参考。

来源：2026年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第1期