MFSNet：一种用于皮肤病变分割的多焦点分割网络
图像与视频处理
2022-09-02 v2 计算机视觉与模式识别
机器学习
摘要
分割对于医学图像分析至关重要，可用于识别和定位疾病、监测形态学变化并提取判别性特征以进一步诊断。皮肤癌是全球最常见的癌症类型之一，其早期诊断对于从体内彻底消除恶性肿瘤至关重要。本研究利用深度学习方法开发了一个用于监督式皮肤病变分割的人工智能（AI）框架。所提出的框架称为MFSNet（Multi-Focus Segmentation Network，多焦点分割网络），它使用不同尺度的特征图，基于皮肤病变的原始输入RGB图像计算最终分割掩码。在此过程中，首先对图像进行预处理以去除伪影和噪声。MFSNet采用近期提出的卷积神经网络（CNN）Res2Net作为骨干网络，获取深度特征，并用于并行部分解码器（PPD）模块以得到分割掩码的全局图。在网络的不同阶段，卷积特征和多尺度图被用于两个边界注意力（BA）模块和两个反向注意力（RA）模块以生成最终分割输出。MFSNet在三个公开数据集、ISIC 2017和HAM10000上进行评估，优于当前最先进的方法，证明了该框架的可靠性。所提方法的相关代码可在 https://github.com/Rohit-Kundu/MFSNet 获取。
引用
@article{arxiv.2203.14341,
title = {MFSNet: A Multi Focus Segmentation Network for Skin Lesion Segmentation},
author = {Hritam Basak and Rohit Kundu and Ram Sarkar},
journal= {arXiv preprint arXiv:2203.14341},
year = {2022}
}