基于DenseNet-BC网络的皮肤镜下皮肤损伤分割

发布时间：2023-11-12 19:03

　　针对皮肤病变图像边界分割不准确的问题,提出了一种改进的稠密卷积网络(DenseNet-BC)皮肤损伤分割算法。首先,改变传统算法层与层之间的连接方式,通过密集连接使得所有层都能直接访问从原始输入信号到损失函数的梯度,让图像特征信息得到最大化的流动。其次,为降低参数数量与网络的计算量,在瓶颈层和过渡层中采用小卷积核对输入特征图的通道数进行减半操作。将DenseNet-BC算法与VGG-16、Inception-v3以及ResNet-50等算法在ISIC 2018 Task 1皮肤病变分割数据集上进行性能比较。实验结果表明,DenseNet-BC算法的病变分割准确率为0.975,Threshold Jaccard为0.835,分割准确率较其他算法提升显著,是一种有效的皮损分割算法。

【文章页数】：8 页

【文章目录】：
1 引言
2 本文算法
    2.1 密集连接(Dense Connectivity)
    2.2 瓶颈层(Bottleneck Layer)
    2.3 过渡层(Transition Layer)
    2.4 稠密卷积网络(DenseNet-BC)
3 实验结果与分析
    3.1 训练与实验细节
    3.2 性能评价指标
    3.3 网络的评估
    3.4 不同分割模型结果的评估
4 结束语



本文编号：3863757