TAFM-Net：一种基于Transformer注意力和Focal调制的皮肤皮损分割新方法
图像与视频处理
2025-03-31 v1 计算机视觉与模式识别
摘要
将现代计算机视觉技术融入临床协议在改进皮肤皮损分割方面显示出前景。U-Net 架构一直是该领域的关键模型，不断迭代改进以应对由于不同临床环境、照明、患者属性和头发密度导致的图像异质性挑战。为进一步提高皮肤皮损分割性能，我们开发了TAFM-Net，一种创新模型，利用自适应Transformer注意力（TA）结合Focal调制（FM）。我们的模型集成了EfficientNetV2B1编码器，采用TA增强空间和通道相关的显著性，而密集连接的解码器在跳跃连接中集成FM，增强特征聚焦、分割性能和医学图像分析中至关重要的可解释性。我们提出的一种新型动态损失函数融合区域和边界信息，指导有效的模型训练。我们的模型在ISIC2016、ISIC2017和ISIC2018数据集上分别实现了93.64%、86.88%和92.88%的Jaccard系数，显示出在实际场景中应用的潜力。
引用
@article{arxiv.2411.17556,
title = {TAFM-Net: A Novel Approach to Skin Lesion Segmentation Using Transformer Attention and Focal Modulation},
author = {Tariq M Khan and Dawn Lin and Shahzaib Iqbal and Erik Meijering},
journal= {arXiv preprint arXiv:2411.17556},
year = {2025}
}