DUNet++:基于UNet++改进的皮肤病变分割网络
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.
黑色素瘤皮肤病变分割、UNet++、ISIC2016、空洞卷积、卷积神经网络
19
TP183(自动化基础理论)
2023-05-11（万方平台首次上网日期，不代表论文的发表时间）
共3页
95-97
