计算机科学与探索

作者：王国凯, 张翔, 王顺芳

单位：云南大学 信息学院，昆明 650504

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

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，MSBF-Net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。

来源：2024年第7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2024年第7期