UCM-Net：一种基于MLP与CNN的轻量高效皮肤病变分割方案
图像与视频处理
2024-06-26 v4 计算机视觉与模式识别
摘要
皮肤癌构成重大公共卫生挑战，亟需高效的诊断工具。我们引入UCM-Net，一种结合多层感知机（MLP）与卷积神经网络（CNN）的新型皮肤病变分割模型。这种轻量、高效的架构偏离传统UNet设计，大幅降低计算需求，使其成为移动健康应用的理想选择。在PH2、ISIC 2017和ISIC 2018数据集上评估，UCM-Net以少于50KB参数展现出稳健性能，且所需低于0.05千兆操作每秒（GLOPs）。此外，其在CPU环境下的极小内存需求仅为1.19MB。它是皮肤病变分割效率的潜在基准，适用于资源受限环境的部署。为促进该领域的可访问性与进一步研究，UCM-Net源代码为 https://github.com/chunyuyuan/UCM-Net。
引用
@article{arxiv.2310.09457,
title = {UCM-Net: A Lightweight and Efficient Solution for Skin Lesion Segmentation using MLP and CNN},
author = {Chunyu Yuan and Dongfang Zhao and Sos S. Agaian},
journal= {arXiv preprint arXiv:2310.09457},
year = {2024}
}
备注
17 pages, accepted by Journal of Biomedical Signal Processing and Control