摘要

从皮肤镜图像中分割皮肤病变对于皮肤癌的诊断至关重要。然而，由于病变与背景之间对比度较差、图像存在伪影以及病变边界模糊，自动分割过程面临诸多挑战。本文提出了一种基于深度学习的皮肤病变分割模型，以应对皮肤病变特征带来的难题。为有效提取具有判别性的特征，我们设计了一个多尺度特征提取模块。此外，本文还引入两种注意力机制，分别用于优化上采样后的特征以及编码器提取的特征。该模型在ISIC2018和ISBI2017数据集上进行了评估，结果表明，所提出的模型在性能上超越了所有现有方法，并在两项国际竞赛中均取得了领先水平。