MSDTCN-Net:一种用于皮肤损伤细分的多规模双编码器网络
Da Li1, Xinyang Wu1, Qin Wei1
1School of Information Engineering, Wuhan University of Technology, Wuhan 430070, China.
Diagnostics (Basel, Switzerland)
|November 27, 2025
概括
MSDTCN-Net通过准确地细分皮肤病变来改善皮肤癌的检测. 这种新的双编码器网络通过捕捉复杂的病变形状的本地细节和全球背景来增强早期诊断.
科学领域:
- 医疗图像分析 医疗图像分析
- 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:
- 准确的皮肤病变细分对于早期皮肤癌检测至关重要.
- 卷积神经网络 (CNN) 与远程依赖性作斗争,影响复杂的损伤形状的性能.
研究的目的:
- 开发一种先进的深度学习模型,用于精确的皮肤病变细分.
- 克服传统的CNN在捕捉全球背景和复杂的病变形态方面的局限性.
主要方法:
- 拟议的MSDTCN-Net,一个集成ConvNeXt和可变形变压器的双编码器网络,用于本地和全球特征提取.
- 集成的挤压和激发 (SE) 用于频道强调,多尺度受体场 (MSRF) 用于尺度变化,以及层次特征转移 (HFT) 用于解码器增强.
主要成果:
- 在ISIC 2016,2017,2018和PH2数据集上,MSDTCN-Net表现出了竞争力的表现.
- 在皮肤病变细分方面取得了高准确性,经过IoU,Dice和ACC指标的验证.
结论:
- MSDTCN-Net有效地整合了本地/全球特征,多尺度的适应性,以及用于高精度细分的语义指导.
- 该模型显示了改善皮肤病学临床诊断应用的巨大潜力.


