基于变换器的并联网络在皮肤黑色素瘤分割中的应用

作者：易三莉; 张罡; 贺建峰^*

来源：生物医学工程学杂志, 2022, 39(05): 937-957.

• 深度学习
• 皮肤分割
• 变换器
• 计算机视觉

皮肤恶性黑色素瘤是一种常见的恶性肿瘤，针对病灶区域进行准确的分割对于该病的早期诊断非常重要。为了实现对皮肤病灶区域进行更有效、准确的分割，本文提出了一种基于变换器（Transformer）的并联网络结构。该网络由两条并联支路构成：前者为本文新构建的多重残差频域通道注意网络（MFC），后者为视觉变换网络（ViT）。首先，在MFC网络支路中，本文将多重残差模块和频域通道注意力模块（FCA）进行融合，在提高网络鲁棒性的同时加强对图像细节特征的提取；其次，在ViT网络支路中采用Transformer中的多头自注意机制（MSA）使图像的全局特征得以保留；最后，通过并联的方式将两条支路提取的特征信息结合起来，更有效地实现对图像的分割。为了验证本文算法，本文在国际皮肤成像合作组织（ISIC）2018年所公开的皮肤镜图像数据集上进行实验，结果表明本文算法的分割结果中交并比（IoU）和戴斯（Dice）系数分别达到了90.15%和94.82%，相比于最新的皮肤黑色素瘤分割网络均有较好的提升。因此，本文提出的网络能够更好地对病灶区域进行分割，为皮肤科医生提供更准确的病灶数据。

• 单位
  自动化学院; 昆明理工大学