高分辨率皮肤黑色素瘤图像的两阶段式分割算法

皮肤黑色素瘤切片图像分辨率过大且病理特征表现形式多样,现有很多分割算法结果不精准同时消耗巨大显卡内存。针对该问题,提出一种低显存消耗的两阶段式精细分割算法。该算法第一阶段采用全局分割网络对以ResNet50为骨干的特征金字塔结构进行改进,图像特征提取过程中使用全局金字塔平均池化模块增强图像全局语义信息的提取,并采用多尺度特征融合分支将高层特征图的语义信息融入到低层特征图中,增强低层特征图语义信息的表征能力。第二阶段采用一种全局到局部的精细分割策略,以全局分割结果为基准对图像进行剪裁,得到一个较小的候选区域,将其输入到局部分割网络中,局部分割网络仅处理候选区域内的像素并与全局网络对应层共享图像特征,精细分割结果的同时减少显存的消耗。在经典数据集ISIC2018上的实验结果显示,该算法的准确度和IOU分别达到93.5%和82.1%,相较于对比的经典分割算法精度最高且占用的显卡内存减少了22.8%~36.9%,能有效适用于高分辨率皮肤病灶图像的分割任务。