摘要

我们提出了一种用于糖尿病足溃疡和结肠镜息肉医学图像分割的神经网络架构。糖尿病足溃疡由糖尿病 mellitus 引起的神经病变和血管并发症所致。为实现准确的诊断与治疗，伤口护理专业人员需从足部创面中提取精确的形态学特征。基于计算机辅助的系统在提取相关形态学特征及实现病灶分割方面展现出广阔前景。为此，我们提出了一种名为 HarDNet-DFUS 的卷积神经网络，该模型通过增强 HarDNet-MSEG（2021 年在结肠镜息肉分割任务中达到最先进水平）的主干网络结构，并替换其解码器模块而构建而成。在 2022 年 MICCAI 糖尿病足溃疡分割挑战赛（DFUC2022）中，我们基于 DFUC2022 数据集对 HarDNet-DFUS 进行训练，并采用五折交叉验证、测试时增强（Test Time Augmentation）等策略提升模型鲁棒性。在 DFUC2022 的验证阶段，HarDNet-DFUS 获得 0.7063 的平均 Dice 系数，在所有参赛方法中位列第三；在最终测试阶段，其平均 Dice 系数提升至 0.7287，成功夺得第一名。此外，HarDNet-DFUS 在结肠镜息肉分割任务中亦表现出色，在著名的 Kvasir 数据集上取得了 0.924 的平均 Dice 系数，相较于原始的 HarDNet-MSEG 提升了 1.2%。相关代码已开源，糖尿病足溃疡分割任务的代码可在 https://github.com/kytimmylai/DFUC2022 获取，结肠镜息肉分割任务的代码可在 https://github.com/YuWenLo/HarDNet-DFUS 查阅。