基于类激活图的弱监督皮肤镜图像分割方法

皮肤镜图像中病灶区域的精确分割是实现皮肤病自动化检测的关键步骤。现存的皮肤镜图像分割方法主要基于全监督图像分割,这需要大量的像素标注,费时费力。针对此问题,提出一种基于类激活图(CAM)的弱监督皮肤镜图像分割方法。首先,对原始图像进行预处理,去除图像中的毛发并对图像进行颜色归一化处理;然后,结合图像的多尺度输入,并在显著图的引导下,通过特征提取网络得到图像的类激活图;之后,将得到的类激活图通过条件随机场得到伪掩膜;最后,使用伪掩膜训练分割网络。在ISIC2017数据集上评估所提方法,结果显示,所提方法生成的伪掩膜的Dice系数达到82.64%,相似性系数达到71.92%,灵敏度达到90.01%,表明所提方法能够在大量减少人工标注工作量的同时生成高质量的伪掩膜。