SECU-Net:一种结合SE和CRF的皮肤病图像分割网络

摘要：

皮肤癌是一种广泛的、可能致命的疾病.针对皮肤病病灶与背景对比度低、面积和形状变化大等特点,本文提出一种新的皮肤病病灶分割模型(SECU-Net),该模型结合"挤压和激励"机制(Squeeze and Excitation,SE)并引入条件随机场(Con?ditional Random Fields,CRF)做分割后处理,是一种将概率图形模型纳入神经网络的深度学习分割框架.SECU-Net通过SE模块建模通道之间的相互依赖性,自适应地重新校准通道特性响应.同时,CRF作为U-Net网络中端到端的可训练层,通过对相邻像素进行建模,使得相同属性的像素最大概率分配到相同的标签,产生与图像视觉特征一致的结构化输出.本文通过在具有挑战的ISIC2017皮肤病数据集上进行测试,实验结果表明,SECU-Net与其它医学图像分割模型相比,有更好的效果.

关键词：深度学习、皮肤病图像分割、U-Net、SE、CRF

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：贵州大学引进人才科研基金项目

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：71-77,86