基于高分辨率复合网络的皮肤病变分割

摘要

针对皮肤病变图像分割时存在异物遮挡、特征信息缺失和病变区域误分割等问题,提出一种基于高分辨率复合网络的皮肤病变分割方法。该方法一是利用预处理操作细化和扩充皮肤病变图像,降低异物遮挡对网络分割性能的影响。二是利用高分辨率网络和多尺度稠密模块构建编码部分,高分辨率网络能够保证高清特征图全局传递,多尺度稠密模块能够最大化传递病变特征,减少图像特征信息缺失,精确定位皮肤病变区域。三是利用反向高分辨率网络和双残差模块构建解码部分,双残差模块在重建解码特征时能够捕获深层语义信息与空间信息,提高皮肤病变图像分割精度。在ISBI2016、ISBI2017和ISIC2018数据集上进行实验,其准确度分别为96.14%、93.72%和95.73%,Dice相似系数分别为93.16%、88.56%和92.00%,Jaccard指数分别为87.01%、77.19%和85.19%,其分割方法整体性能优于现有方法。仿真实验证明,高分辨率复合网络对皮肤病变图像具有较好的分割效果,为皮肤疾病的诊断提供了新窗口。