基于注意力机制的弱监督黑色素瘤图像分割研究

• 全文链接
• 请求原文

作   者：

王方鑫;  何良华; 

作者机构：

同济大学电子与信息工程学院; 

关键词：

注意力机制;  深度学习;  弱监督;  医学图像分割; 

期刊名称：

电脑知识与技术

i s s n：

1009-3044

年卷期：

2023 年 19 卷 007 期

页   码：

12-14

摘   要：

深度学习在医疗领域有着广泛的应用,可以提供临床诊断、辅助医疗等功能,从而更好地对患者进行手术治疗.目前虽然全监督的图像分割取得了较好的分割结果,但是由于医学图像标注任务复杂,因此需要具备专业的医学知识.如何使用易获取的弱标签进行医学图像分割是文章的主要研究内容.该文提出了通过基于SECNet对黑色素瘤图像进行弱监督的分割,并针对CAM图生成的伪标签稀疏问题,提出通过注意力机制提升伪标签的完整性,从而提高弱监督分割的整体精度,在ISIC黑色素瘤数据集上取得了比较准确的分割结果.