LCAUnet：一种具有增强边缘与主体融合的皮肤病变分割网络
图像与视频处理
2023-05-02 v1 计算机视觉与模式识别
机器学习
摘要
在皮肤镜图像中准确分割皮肤病变对于皮肤癌的早期诊断和提高患者生存率至关重要。然而，由于病变区域的不规则性、边界的模糊性以及其他复杂干扰因素，这仍然是一项具有挑战性的任务。本文提出一种新颖的 LCAUnet，通过融合边缘与主体特征来提升互补表示能力，而传统方法往往很少关注这些特征。首先，分别基于 CNN 和 Transformer 架构设置两个独立分支用于边缘和主体分割。然后，利用 LCAF 模块在编码器阶段通过局部交叉注意力操作融合同层级的边缘与主体特征图。此外，嵌入 PGMF 模块以通过先验引导的多尺度自适应进行特征整合。在公开数据集 ISIC 2017、ISIC 2018 和 PH2 上的综合实验表明，LCAUnet 优于大多数最先进的方法。消融研究也验证了所提出融合技术的有效性。
引用
@article{arxiv.2305.00837,
title = {LCAUnet: A skin lesion segmentation network with enhanced edge and body fusion},
author = {Qisen Ma and Keming Mao and Gao Wang and Lisheng Xu and Yuhai Zhao},
journal= {arXiv preprint arXiv:2305.00837},
year = {2023}
}
备注
14 pages, 10 figures