一种改进的U-Net网络用于黑色素瘤病变分割研究

作者：代楚航; 文正洙^*

来源：电脑知识与技术, 2022, 18(18): 1-5.

DOI：10.14004/j.cnki.ckt.2022.1048

• 卷积神经网络
• 医学图像分割
• 黑色素瘤
• DR-Net
• ResNet
• DenseNet

残差网络(ResNet)和密集连接网络(DenseNet)显著提高了深度卷积神经网络(DCNNs)的训练效率和性能，但二者存在识别连续特征能力不足、模型复杂等缺陷。密集残差(DR-Net)网络将残差网络与密集连接网络的优异处结合起来，模型结构较DenseNet精简,与ResNet相比，额外加入了的跳跃链接。研究将该方法集成到一个编码器-解码器DCNN模型中，用于图像分割。利用ISIC2017挑战测试集，得到训练完成的DRU-Net卷积网络评估指标。结果表明，与基于ResNet、基于DenseNet的方法相比，该研究方法获得了更高的分割精度。

• 单位
  延边大学