基于PRU-Net的皮肤癌分割方法研究

皮肤癌是对人的生命安全构成巨大威胁的癌症,通过计算机对皮肤镜采集的皮肤癌医学图像进行分析研究具有重要的意义。针对常用的图像分割网络模型持续下采样次数过多而造成精度损失问题,以及占用大量的计算资源进行训练和推理、产生过拟合现象,提出了基于U-Net网络融合空洞金字塔及残差模块(Pyramid Residual U-Net Network,PRUNet)的图像分割模型。PRU-Net模型的总体结构仍采用编码器和解码器的结构,增加空洞金字塔模块及残差模块,通过对不同空洞率的空洞卷积并联,实现了提取图像中的多尺度信息,同时不会过多降低特征图的分辨率;模型输出预测结果与原始输入图像大小一致,保证了分割后的图像边缘平滑度与精细度,也增强了对皮肤癌分割上的效果。实验数据表明,PRU-Net模型在ISIC数据集上的Dice系数可达0.906,IoU可达0.830,能够适用于皮肤癌分割领域,丰富皮肤癌图像细节,提高分割的精确度。