基于BEDU-Net算法的皮肤病灶分割研究

摘要：

针对皮肤病灶区域存在多样性、边缘模糊和毛发噪声等情况,提出了一种皮肤病灶分割算法(BEDU-Net).首先,融合密集块连接和高效通道注意力模块以捕捉皮肤病变图像中的多尺度信息;其次,在编码器最后一层使用空洞空间金字塔结构来提升网络的感受野,从而更好地捕捉皮肤病灶区域的边缘信息;最后,使用带有双向循环特征增强残差模块进行跳跃连接,细化了皮肤病灶图像的边缘的同时增强了网络的抗干扰能力.此算法在ISIC2018 和PH2 两个数据集上进行了实验,其准确率分别为95.4%和94.8%,特异性分别为0.979 和0.971,灵敏度分别为87.1%和87.9%,F1 评分分别为91.2%和91.4%,通过与U-Net、BCDU-Net、BUSU-Net、MCGU-Net的实验对比表明,此算法具有更好的分割效果.

关键词：皮肤病灶图像、高效通道注意力机制、双向循环网络、跳跃连接、深度学习

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

资助基金：贵州民族大学校级科研项目GZMUZK2021YB23

在线出版日期：2023-10-18（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：73-79,87