EIU-Net:在U-Net中进行了增强的特征提取和改进的跳过连接,用于皮肤损伤细分
Zimin Yu1, Li Yu1, Weihua Zheng1
1Department of Computer Science and Engineering, School of Information Science and Engineering, Yunnan University, Kunming, 650504, Yunnan, China.
Computers in biology and medicine
|June 10, 2023
概括
一种新的方法,EIU-Net,通过改进特征提取来提高黑色素瘤诊断的皮肤病变细分. 这种计算机辅助诊断工具在公共数据集上实现了高准确度,超过了现有的方法.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机辅助诊断是一种计算机辅助的诊断.
- 皮肤病学 皮肤病学
背景情况:
- 皮肤病变细分对于黑色素瘤诊断至关重要.
- 现有的基于U-Net的方法在具有挑战性的情况下与弱特征提取作斗争.
研究的目的:
- 提出EIU-Net,一种用于改善皮肤病变细分的新方法.
- 加强特征提取,以便更好地进行黑色素瘤定量分析.
主要方法:
- EIU-Net使用了倒置的剩余块和高效的金字塔挤压注意力 (EPSA) 用于本地和全球环境.
- 采用了多层空间金字塔聚合 (ASPP),软池下采样,多层融合 (MLF) 和重塑解码器融合.
- 该方法在ISIC 2016,ISIC 2017,ISIC 2018和PH2数据集上得到了验证.
主要成果:
- 在四个数据集上,EIU-Net获得了0.919,0.855,0.902和0.916的子得分.
- 拟议的网络在皮肤病变细分方面表现优于现有的方法.
- 废弃实验证实了EIU-Net核心模块的有效性.
结论:
- EIU-Net在皮肤病变细分方面表现出卓越的性能.
- 这种新的架构有效地捕获了上下文信息和边界细节.
- 这种方法为计算机辅助黑色素瘤诊断提供了有希望的进步.
