基于深度学习的皮肤病变图像分割算法研究

发布时间：2024-01-28 10:01

　　皮肤癌是由皮肤中色素积累或者减少导致的一种皮肤病变,其中黑色素瘤是一种致死率极高的恶性肿瘤,及时发现并制定相应治疗方案是黑色素瘤治愈的关键。近年来,随着深度学习的发展,利用计算机技术实现皮肤病变图像的自动分割引起研究者的广泛关注。皮肤病变图像的自动分割是一项重要且极具挑战性的任务。由于黑素瘤的边缘不均匀,颜色不断变化,有些可能还会存在图像伪影。针对这些问题,本文基于深度学习方法提出了两种不同的分割算法来实现皮肤病变图像的自动分割。(1)现有的分割方法大多基于编码-解码网络,不能有效地将低级简单特征与高级语义特征结合起来改善最终的分割结果。本文提出了一种新型的非对称编码-解码网络(AEDN),能够有效地融合低层和高层特征。准确地边界信息是皮肤病变分析的关键,该算法通过重新设计编码器与解码器之间的跳层连接,使编码器传输更深层次且更具代表性的特征到解码器,提出的新的密集空洞卷积块(NDAC)能够提取多尺度特征并生成更高层次的语义特征。通过两条解码路径恢复特征图分辨率,一条解码路径能够很好地融合低级和高级特征,另一条用来补充因连续卷积操作丢失的空间细节信息,最后将两条解码路径的分割结果拼接在一...

【文章页数】：62 页

【学位级别】：硕士

图1.1皮肤镜成像效果图

图1.2机器学习和深度学习的区别Figure1.2Thedifferencebetweenmachinelearninganddeeplearning

图2.1单层神经网络结构

图2.2神经元组成结构

本文编号：3887557