一种改进UNet++网络用于检测黑色素瘤皮肤病变

摘要：

目的 探究基于改进UNet++网络的图像分割算法用于分割黑色素瘤皮肤病变图像的价值.方法 构建引入软注意力门和以Tversky-Focal Loss(TFL)函数为损失函数的UNet++网络优化结构——AT-UNet++网络,并将其在国际皮肤成像协作组织(ISIC)挑战2016和2017训练集中训练.计算训练好的AT-UNet++网络与U-Net网络、UNet++网络的逐像素分割精度(ACC)、DIC相似系数(DIC)和Jaccard相似指数(JAI),对以TFL函数为损失函数的UNet++网络和引入软注意力门的UNet++网络在ISIC挑战2016和2017测试集上进行指标评估;比较ISIC挑战2016与2017竞赛排名前五名的参赛队伍模型与AT-UNet++网络的指标参数.结果 在ISIC挑战2016测试集上,AT-UNet++网络逐的ACC、D1C和JAI较UNet++网络分别提高3.36％,4.15％和3.95％,在2017测试集分别提高2.65％、5.01％及4.39％.结论 AT-UNet++网络的各项评价指标较其他模型均有不同程度提高.

关键词：黑色素瘤、机器学习

所属期刊栏目：36

分类号：R739.5;TP183(肿瘤学)

资助基金：国家自然科学基金51365017

在线出版日期：2021-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1877-1881