图示摘要：
导读：
近年来，以黑色素瘤为代表的色素障碍性皮肤病发病率逐年上升。晚期黑色素瘤不仅蔓延速度快，且治愈率低，但如果能在早期发现黑色素瘤，其 5 年生存率可达到90% 以上。因此，快速诊断并治疗黑色素瘤对挽救患者生命具有重要意义。
本文以U型网络（U-Net）模型为基础，结合残差网络、空洞卷积、密集网络以及注意力机制等思想，提出一种基于密集空洞空间金字塔池化（DenseASPP）和注意力机制的新型皮肤病灶图像分割方法。设计三个新的网络模块：编码器模块、DenseASPP和卷积模块注意力机制（CBAM）。编码器模块对皮肤病灶图像进行特征提取，CBAM关注病灶特征信息使得分割更加精准，同时利用DenseASPP来扩大感受野的范围以获取多尺度特征信息。本文方法在多个评价指标均取得良好效果，有望为专业医生提供相关医学参考。
本研究发表于《生物医学工程学杂志》39卷6期，点击下方二维码可阅读全文。
本文创新亮点：
文章设计新的网络模型，以大量的残差连接替换原始网络中简单的卷积堆叠，加入空间注意力与通道注意力双重高效注意力机制，并修改瓶颈层的结构，通过密集跳跃连接来获取不同高低级尺度的特征信息。
作者团队：
云南大学信息学院数据科学与机器视觉实验室，长期从事图像处理相关工作，研究内容包括：基于深度学习图像处理、基于机器学习的生物信息处理、神经网络的动力学机制研究、基于视觉皮层神经元模型的路径优化计算等。目前，团队有博士研究生4名，硕士研究生21名。团队负责人周冬明教授主持参与5项国家自然科学基金项目，4项省级项目，以第一作者/通信作者发表科技论文数百篇，其中SCI论文60余篇，申请发明专利7项，云南省自然科学三等奖一项。
作者信息
尹稳
男，1998年生，云南昆明人，现为云南大学信息学院在读硕士，主要研究方向为计算机视觉、生物医学图像处理。
周冬明
博士，博士生导师，教授。博士毕业于复旦大学。云南大学神经网络与图像处理研究室、数据科学与机器视觉实验室负责人。主要研究兴趣：基于深度学习图像处理、基于机器学习的生物信息处理。
编辑：陈咏竹
生物医学工程学杂志
长按二维码
关注我们