多尺度和边界融合的皮肤病变区域分割网络

作者：王国凯; 张翔; 王顺芳^*

来源：计算机科学与探索, 2023, 1-13.

• 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)。具体来说，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%和1.62%;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%和2.17%。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。

• 单位
  云南大学