文档名：基于混合编码的皮肤病变图像分割
摘要：皮肤镜图像中的皮肤病变分割是计算机辅助诊断皮肤癌的关键.现有的卷积神经网络(CNNs)通常由于卷积操作的固有限制而忽视全局上下文信息.因此,提出了一种具有Transformer和CNN优点的混合编码器的皮损分割网络.首先,使用极坐标变换对原始图像进行预处理.接着利用CNN对不同尺度特征进行预提取,并将其作为Transformer编码器的输入序列,实现对序列数据的全局上下文建模,更好地捕获特征之间的长程依赖关系.最后,在解码器中加入了多级特征融合模块和注意力机制,解码不同尺度和编码块内的分层语义特征.提出的HET-Net网络在ISIC2018数据集上JSI、DSC和ACC值分别达到了85.09％、91.43％和96.90％,在ISIC2016+PH2数据集上分别达到了87.44％、93.02％和95.68％.与其他模型相比,所提模型取得了显著的结果,验证了模型的有效性.
Abstract：Skinlesionsegmentationfromdermoscopyimagesiscrucialforcomputer-aideddiagnosisofskincancer.Existingconvolution-alneuralnetworks(CNNs)oftenoverlookglobalcontextualinformationduetotheinherentlimitationsofconvolutionaloperations.There-fore,ahybridencoderforskinlesionsegmentationisproposedthatcombinestheadvantagesofbothatransformerandCNN.Toprepro-cesstheoriginalimages,apolarcoordinatetransformationisapplied.Next,CNNisusedtoextractfeaturesatdifferentscalesandlearnlocalimagecharacteristics.ThefeaturesequenceextractedbyCNNservesastheinputtothetransformerencoder,enablingglobalcon-textmodelingofthesequencedataandbettercapturinglong-rangedependenciesbetweenfeatures.Inthedecoder,amulti-levelfeaturefusionmoduleandattentionmechanismareincorporatedtodecodefeaturesofdifferentscalesandhierarchicalsemanticswithintheen-codingblocks.TheproposedHET-NetnetworkachievesJSI,DSC,andACCvaluesof85.09％,91.43％,and96.90％respectivelyontheISIC2018dataset,and87.44％,93.02％,and95.68％respectivelyontheISIC2016+PH2dataset.Comparedtoothermodels,thepro-posedmodeldemonstratessignificantresults,validatingitseffectiveness.
作者：彭静 马玉良 席旭刚Author：PENGJing MAYuliang XIXugang
作者单位：杭州电子科技大学自动化学院,浙江杭州310018
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2024, 37(3)
分类号：TP183TP391.41
关键词：皮损分割 Transformer 混合编码 多级特征级联融合
Keywords：skinlesionsegmentation Transformer hybridencoder multilevelfeaturecascadefusion
机标分类号：TP391TN919.81TP183
在线出版日期：2024年6月27日
基金项目：国家科技部科技创新重大项目，国家自然科学基金，国家自然科学基金，浙江省教育厅科研项目，浙江省教育厅科研项目，浙江省教育厅科研项目，杭州电子科技大学研究生科研创新基金项目基于混合编码的皮肤病变图像分割[
期刊论文] 传感技术学报--2024, 37(3)彭静 马玉良 席旭刚皮肤镜图像中的皮肤病变分割是计算机辅助诊断皮肤癌的关键.现有的卷积神经网络(CNNs)通常由于卷积操作的固有限制而忽视全局上下文信息.因此,提出了一种具有Transformer和CNN优点的混合编码器的皮损分割网络.首先,使用...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于混合编码的皮肤病变图像分割 HET-Net:Skin Lesion Image Segmentation Based on Hybrid Encoding
基于混合编码的皮肤病变图像分割.pdf
- 文件大小:
- 2.47 MB
- 下载次数:
- 60
-
高速下载
|
|
