换一批改进型密集递归残差U-Net的皮肤病变图像分割
Improved Dense Recurrent Residual U-Netfor Image Segmentation of Skin Lesion
摘要皮肤病变区域的准确分割对计算机辅助诊断具有重要意义.但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度.为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实现皮肤病变区域自动分割.首先,将编码层和解码层中的原始卷积块优化为递归残差卷积模块,并且使用密集连接,缓解了梯度消失问题;其次,引入特征自适应模块,通过加强有效特征和抑制无关背景噪声,增强相邻特征之间的融合程度;接着,设计双重注意力机制,其中空间注意力增大全局信息的利用效率,通道注意力用于加强通道特征间的相关性,提升网络对皮肤病变区域分割的准确率,同时采用联合Dice系数与交叉熵的损失函数训练分割网络,解决皮肤镜图像中类别不平衡的问题;最后,采用ISIC 2017皮肤病变数据集中的2 000余张图片进行了消融实验和对比实验.实验结果表明,IDR2U-Net模型在Jaccard、Dice系数和准确率上分别达到了 78.86％、86.92％和94.61％.改进后的模型不仅提高了精度,还实现了更精细的图像分割,特别是在处理边界模糊图像时,能有效减少欠分割现象.
更多相关知识
关键词
皮肤病变图像分割U型网络密集递归残差卷积模块特征自适应模块双重注意力机制skin lesion image segmentationU-Netdense recurrent residual convolution modulefeature adaptation moduledual attention mechanism
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.03.004
发布时间
2025-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
重庆市自然科学基金面上项目（CSTB2024NSCQ-MSX0957）
国家自然科学基金（62201106）
- 浏览5
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
