基于多尺度注意力的皮肤镜图像自动分割算法

摘要：

针对现有的皮肤镜图像分割算法存在边缘分割时效果较差和对中小目标的识别能力较弱等问题.提出了一种基于多尺度注意力融合的分割网络MAU-Net(multi-scale attention U-Net).MAU-Net网络是以U-Net网络为基础的分割模型,通过设计的多尺度注意力模块(MA),在特征提取时融合不同层次的特征,并将重要的目标特征给予一定的权重,从而使网络能更快和更精准的分割出目标区域.实验结果显示,在ISIC2017数据集上平均交并比(MIOU)、精确度(PRE)和Kappa值分别为83.61％、93.58％和81.70％,性能比U-Net分别提高了5.27％、2.01％和6.83％;并在ISIC2017挑战赛数据集上进行了消融实验,实验结果验证了MA模型有助于网络性能的提升.提出的MAU-Net网络在皮肤病变分割任务中表现优异,同时具有良好的泛化性能.

关键词：皮损分割;皮肤镜图像;多尺度注意力融合;深度可分离卷积

所属期刊栏目：21

分类号：TP391.7(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江西省自然科学基金面上项目;江西省教育厅科学技术研究重点项目

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14644-14650