基于深度可分离卷积网络的皮肤镜图像病灶分割方法

Abstract

针对皮肤镜图像病灶难定位、病灶精准分割难以实现的问题，提出一种基于深度可分离卷积网络的皮肤镜图像病灶分割方法。首先对皮肤镜图像进行黑框移除和毛发移除处理，将图像中有碍确定病灶位置的人工噪声、天然噪声移除；然后在降噪处理的基础上，对图像进行形变、旋转，以扩充数据集；最后构建基于深度可分离卷积、空洞卷积的编解码分割模型，编码部分对图像进行特征提取，解码部分融合特征图，并对图像细节特征进行恢复。实验结果表明，该方法针对皮肤镜图像病灶分割问题可取得较好的分割效果，分割病灶的准确率达到95.24%，与分割模型U-Net相比，准确度提高了6.17%。

Keywords

• 皮肤镜图像
• 病灶分割
• 空洞卷积
• 深度可分离卷积
• 编解码模型