[1]王娜,贾伟,赵雪芬,等.基于边缘关键点和边缘注意力的黑色素瘤图像分割方法[J].中国医学物理学杂志,2024,41(10):1225-1236.[doi:DOI:10.3969/j.issn.1005-202X.2024.10.006]
 WANG Na,JIA Wei,ZHAO Xuefen,et al.Melanoma image segmentation method based on edge key points and edge attention[J].Chinese Journal of Medical Physics,2024,41(10):1225-1236.[doi:DOI:10.3969/j.issn.1005-202X.2024.10.006]
点击复制

基于边缘关键点和边缘注意力的黑色素瘤图像分割方法()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
41卷
期数:
2024年第10期
页码:
1225-1236
栏目:
医学影像物理
出版日期:
2024-10-25

文章信息/Info

Title:
Melanoma image segmentation method based on edge key points and edge attention
文章编号:
1005-202X(2024)10-1225-12
作者:
王娜1贾伟12赵雪芬1高宏娟12
1.宁夏大学信息工程学院, 宁夏 银川 750021; 2.宁夏“东数西算”人工智能与信息安全重点实验室, 宁夏 银川 750021
Author(s):
WANG Na1 JIA Wei1 2 ZHAO Xuefen1 GAO Hongjuan1 2
1. School of Information Engineering, Ningxia University, Yinchuan 750021, China 2. Ningxia Key Laboratory of Artificial Intelligence and Information Security for Channeling Computing Resources from the East to the West, Yinchuan 750021, China
关键词:
黑色素瘤图像分割多尺度边缘注意力边缘关键点选择
Keywords:
Keywords: melanoma image segmentation multi-scale edge attention edge key point selection
分类号:
R318;TP391
DOI:
DOI:10.3969/j.issn.1005-202X.2024.10.006
文献标志码:
A
摘要:
黑色素瘤图像的高精度分割对早期诊断和提高患者的生存率至关重要。然而,由于黑色素瘤的边缘区域模糊,呈现出不规则的形状,使得现有分割方法难以获取边缘特征信息,影响了黑色素瘤图像分割的准确率。为解决该问题,提出了一种基于边缘关键点和边缘注意力的黑色素瘤图像分割方法。首先,在编码器中设计了点渲染的边缘关键点选择模块和组合卷积变压器块,通过边缘关键点的选择,引导获取边缘的局部特征和全局特征。然后,在编码器中设计边缘细化模块用于细化深层网络的边缘特征,最后,在跳连接中设计了多尺度边缘注意力模块,能够更好地捕获图像多尺度的边缘形状特征。将所提方法在ISIC 2018和PH2两个数据集上进行实验,实验结果表明,与现有分割方法相比,所提方法具有较好的分割性能。
Abstract:
Abstract: High-precision segmentation of melanoma images is crucial for early diagnosis and improving patient survival. However, the blurring of the edge region of melanoma, which presents irregular shapes, makes it difficult for existing segmentation methods to obtain edge feature information, affecting the accuracy of melanoma image segmentation. To solve this problem, a melanoma image segmentation method based on edge key points and edge attention is proposed. An edge key point selection module for point rendering and a combined convolution transformer block are designed in the encoder to guide the acquisition of local and global features of the edge by selecting edge key points. Then, the edge refinement module is designed in the encoder to refine the edge features of the deep network, and finally, the multi-scale edge attention module is designed in the skip connection, which enables the capture of the edge shape features at multiple scales. The tests on two datasets (ISIC 2018 and PH2) demonstrate that the proposed method has better segmentation performance than the existing segmentation methods.

相似文献/References:

[1]陈海斌,甄 鑫,周凌宏.基于先验的随机游走算法在医学图像分割中的应用[J].中国医学物理学杂志,2015,32(02):174.[doi:10.3969/j.issn.1005-202X.2015.02.005]
[2]许红玉,蔡坦坦,叶良凯,等.分水岭算法在CT图像分割中的应用[J].中国医学物理学杂志,2014,31(06):5272.[doi:10.3969/j.issn.1005-202X.2014.06.012]
[3]周露,张书旭,余辉,等.PET-CT图像配准的预处理研究[J].中国医学物理学杂志,2013,30(05):4392.[doi:10.3969/j.issn.1005-202X.2013.05.012]
[4]赖胜圣,刘虔铖,张刚平.基于模糊C均值自动随机游走算法在脑肿瘤分割中的应用[J].中国医学物理学杂志,2015,32(05):707.[doi:doi:10.3969/j.issn.1005-202X.2015.05.021]
[5]刘国才,胡泽田,朱苏雨,等.头颈部肿瘤PET与MRI融合放疗靶区自适应区域生长勾画[J].中国医学物理学杂志,2016,33(3):222.[doi:10.3969/j.issn.1005-202X.2016.03.002]
 [J].Chinese Journal of Medical Physics,2016,33(10):222.[doi:10.3969/j.issn.1005-202X.2016.03.002]
[6]贾高杰,邱崧,蔡茗名,等.三维点云重构和体显示在医学辅助诊断中的应用[J].中国医学物理学杂志,2016,33(6):593.[doi:10.3969/j.issn.1005-202X.2016.06.012]
 [J].Chinese Journal of Medical Physics,2016,33(10):593.[doi:10.3969/j.issn.1005-202X.2016.06.012]
[7]张泽凡,张东.基于交叉熵和GVF-Snake的子宫肌瘤高强度聚焦超声图像自动分割算法[J].中国医学物理学杂志,2016,33(8):776.[doi:10.3969/j.issn.1005-202X.2016.08.005]
 [J].Chinese Journal of Medical Physics,2016,33(10):776.[doi:10.3969/j.issn.1005-202X.2016.08.005]
[8]胡立伟,白凯,钟玉敏,等. 基于不同图像分割法构建3D打印右室双出口模型[J].中国医学物理学杂志,2016,33(12):1272.[doi:10.3969/j.issn.1005-202X.2016.12.020]
 [J].Chinese Journal of Medical Physics,2016,33(10):1272.[doi:10.3969/j.issn.1005-202X.2016.12.020]
[9]孟爽,王辉,谢蓄芬,等.超像素有偏观测模糊聚类的乳腺超声图像分割[J].中国医学物理学杂志,2017,34(7):693.[doi:10.3969/j.issn.1005-202X.2017.07.009]
 [J].Chinese Journal of Medical Physics,2017,34(10):693.[doi:10.3969/j.issn.1005-202X.2017.07.009]
[10]张玉芳,关天民,刘光孟,等. 基于CT数据的医学图像处理系统设计[J].中国医学物理学杂志,2019,36(9):1055.[doi:DOI:10.3969/j.issn.1005-202X.2019.09.012]
 ZHANG Yufang,GUAN Tianmin,LIU Guangmeng,et al. Design of medical image processing system based on CT data[J].Chinese Journal of Medical Physics,2019,36(10):1055.[doi:DOI:10.3969/j.issn.1005-202X.2019.09.012]
[11]杨国亮,邹俊峰,李世聪,等.基于U型稠密特征融合的皮肤病灶分割[J].中国医学物理学杂志,2022,39(4):442.[doi:DOI:10.3969/j.issn.1005-202X.2022.04.009]
 YANG Guoliang,ZOU Junfeng,LI Shicong,et al.Segmentation of skin lesions based on U-shaped dense feature fusion[J].Chinese Journal of Medical Physics,2022,39(10):442.[doi:DOI:10.3969/j.issn.1005-202X.2022.04.009]

备注/Memo

备注/Memo:
【收稿日期】2024-04-15 【基金项目】国家自然科学基金(62062057,12062021);宁夏自然科学基金(2022AAC03005) 【作者简介】王娜,硕士研究生,主要研究方向:医学图像处理与分析,E-mail: 2970722507@qq.com 【通信作者】贾伟,博士,副教授,主要研究方向:医学图像处理与分析,E-mail: jiawnx@163.com
更新日期/Last Update: 2024-10-29