文献类型：期刊文章

作　　者：蒋新辉[1] 李喆[2]

Jiang Xinhui;Li Zhe(School of Electrical Engineering,Xinjiang University,Urumqi,Xinjiang 830047,China;Network and Information Technology Center,Xinjiang University,Urumqi,Xinjiang 830046,China)

机构地区：[1]新疆大学电气工程学院,新疆乌鲁木齐830047 [2]新疆大学网络与信息技术中心,新疆乌鲁木齐830046

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(51767022,51967019);新疆维吾尔自治区自然科学基金项目(2019D01C082);新疆大学博士启动基金和自治区天池博士计划资助课题。

年　　份：2021

卷　　号：58

期　　号：12

起止页码：114-121

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对黑色素瘤与非黑色素瘤在视觉上相似度高、颜色多样、边缘模糊、异物遮挡等情况而导致皮肤病变分割效果差的问题,提出一种基于U型结构的上下文编码解码网络,通过采用高效双通道注意力机制模块和空洞空间金字塔池化模块来捕获更多的语义信息与空间信息,以提高皮肤病变的分割精度。在ISIC 2017皮肤镜图像数据集上进行训练和测试,实验结果表明,本文算法分割结果的相似度系数(DiceCoefficient)高达88.74%,比目前主流语义分割网络模型DeepLab V3Plus高3.15个百分点,比医学领域经典U-Net网络高9.93个百分点,且运行速度快和稳定性好,能对黑色素瘤实施有效分割,分割图像边缘连续、轮廓清晰,在定量分析和识别中使用效果良好。

关 键 词：图像处理 上下文编码解码网络  皮肤病变分割  DeepLab V3Plus  U-Net  

分 类 号：TP391]