DUNet++：基于UNet++改进的皮肤病变分割网络

作者：周泽华; 全星日

来源：电脑知识与技术, 2023, 19(09): 95-97.

DOI：10.14004/j.cnki.ckt.2023.0407

• 黑色素瘤皮肤病变分割
• UNet++
• ISIC2016
• 空洞卷积
• 卷积神经网络

黑色素瘤极具侵袭性和致命性，早期诊断和干预可提高患者生存率。计算机辅助诊断可以帮助医生对黑色素瘤进行早期诊断，UNet++作为现有分割算法中较为先进的模型，对黑色素瘤的分割与诊断方面有实用价值，但其分割性能仍有较大提升空间。因此文章尝试基于UNet++算法对模型性能进行改进，通过引入空洞卷积，提出一种新的用于黑色素瘤皮肤病变分割的卷积神经网络DUNet++(Dilated UNet++)。在针对ISIC2016挑战皮肤病变数据集的分割任务中，该模型相比于原UNet++模型在分割精度上有进一步的提升，其在IoU、Recall、Precision、Accurcry、DICE系数和F1-score六项评估指标上分别获得了1.78%、2.14%、0.68%、0.50%、1.29%和1.38%的提升。

• 单位
  延边大学