基于APC-UNet模型的皮肤病变区域分割研究

摘要：

针对皮损皮肤镜图像分割不准确的问题,本文提出了一种基于Atrous-spatial-pyramid-pooling Parallel Coordinate-attention pattern U-Net(APC-UNet)模型的皮肤病变区域分割算法.算法在U-Net模型的编码器中融入Atrous Spatial Pyramid Pooling(ASPP)模块和ParNet模块以提升模型的特征提取能力,在解码器中嵌入带有注意力机制的 Coordinate Attention(CA)模块以增强模型的定位能力,并且引入了Lovász-hinge损失函数来解决皮损皮肤镜图像样本类别不均衡的问题.通过消融实验验证了提出的模型的改进合理性,通过对比实验结果表明,APC-UNet模型整体上优于5种对比模型,并且相较于基准模型U-Net,在Dice系数、IoU、精确率、召回率和准确度上分别提升了6.14%、8.11%、6.79%、2.28%和2.49%,各项性能指标均有较好提升,是一种有效可行的皮肤病变区域分割算法.

关键词：计算机辅助诊断、皮肤病变区域分割、深度学习、U-Net模型、注意力机制

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省省级科技计划项目;贵州省教育厅自然科学研究项目;贵州省研究生教育教学改革重点项目

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：51-59