融合注意力与上下文信息的皮肤癌图像分割模型

• 全文链接
• 请求原文

作   者：

支慧芳;  韩建新;  吴永飞; 

作者机构：

晋中学院物理与电子工程系;  太原理工大学大数据学院; 

关键词：

注意力机制;  病变分割;  上下文信息;  卷积神经网络;  U-Net型网络;  高效通道注意力;  多尺度融合;  坐标注意力; 

期刊名称：

计算机工程与设计

i s s n：

1000-7024

年卷期：

2024 年 45 卷 009 期

页   码：

2859-2865

摘   要：

为提高黑色素瘤分割性能，提出一种结合注意力机制和上下文信息的U-Net网络。以Resnet-34网络作为编码器，在跳跃连接中加入坐标注意力，通过捕捉精准的位置信息定位更准确的目标区域；设计上下文信息模块强化对前景特征的学习能力；加入高效通道注意力模块，重新校准权重并获得更高质量的分割图。在公共数据集ISIC 2017上验证改进模型，其结果表明，该模型召回率、F1分数达到85.29%、87.03%,与现有方法对比，在准确率、交并比、召回率、F1分数产生竞争性结果。