融合类激活映射和视野注意力的皮肤病变分割

在皮肤镜图像分割问题中，分割精度受多重因素影响，包括图像对比度、病变大小及异物干扰等，为提高分割精度，解决病变边界分割不准等问题，提出一种改进的DeepLab V3+网络。该改进网络一方面生成原图像的类激活映射，融入到网络的编码器中作先验信息，为网络提供准确的定位信息并消除部分干扰因素；另一方面，在空洞空间金字塔模块中融合视野注意力机制，实现局部跨视野交互；同时将Dice损失和排序损失相结合作为本网络的损失函数，使网络更关注硬像素的误差，优化分割模型。分别在ISIC-2017和PH2数据集上对所提模型评估，其Jaccard指数（JA）分别达到82.6%和89.2%，准确率分别达到95.2%和96.5%，实验结果表明所提模型分割敏感度更高，综合分割性能较其他先进网络有所提升。