基于深度可分离卷积网络的皮肤镜图像病灶分割方法

针对皮肤镜图像病灶难定位、病灶精准分割难以实现的问题,提出一种基于深度可分离卷积网络的皮肤镜图像病灶分割方法。首先对皮肤镜图像进行黑框移除和毛发移除处理,将图像中有碍确定病灶位置的人工噪声、天然噪声移除;然后在降噪处理的基础上,对图像进行形变、旋转,以扩充数据集;最后构建基于深度可分离卷积、空洞卷积的编解码分割模型,编码部分对图像进行特征提取,解码部分融合特征图,并对图像细节特征进行恢复。实验结果表明,该方法针对皮肤镜图像病灶分割问题可取得较好的分割效果,分割病灶的准确率达到95.24%,与分割模型U-Net相比,准确度提高了6.17%。