计算机应用研究

作者：陶惜婷,叶青,

单位：长江大学计算机科学学院,湖北荆州434000；

关键词：皮肤病变,医学图像分割,CNN,Transformer,特征融合,

基金：国家自然科学基金资助项目(62006028)；湖北省自然科学基金资助项目(2023AFB909)；；

准确的皮肤病变自动分割对于协助医生临床诊断和治疗至关重要。针对现有卷积结构能提取局部特征信息但无法建模长程依赖关系，而Transformer能提取全局上下文信息但存在细节信息丢失的问题，提出了一种融合CNN和Transformer的并行多尺度自动分割网络PDTransCNN。首先以基于ResNet34的CNN分支和Transformer分支并行提取皮肤病图像的特征信息，构建多级局部相关性和捕获上下文信息间的长距离依赖关系；其次利用特征融合模块FM互补两分支特征间的关键信息，增强语义信息间的依赖关系；最后采用Transformer解码单元逐步融合编码块和融合单元所提取到的语义信息得到最终分割结果。该模型在ISIC2016、ISIC2017和ISIC2018数据集上进行测试，其Dice系数分别高达91.72%、87.34%和90.01%，IoU值分别为85.6%、79.55%和83.67%。实验结果表明，PDTransCNN相比其他分割模型具有更好的分割性能，能清晰有效地分割皮肤病变图像。

来源：2024年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第8期