基于注意力机制的弱监督黑色素瘤图像分割研究  

作　　者：王方鑫 何良华[1] 

机构地区：[1]同济大学电子与信息工程学院,上海201804

出　　处：《电脑知识与技术》2023年第7期12-14,共3页Computer Knowledge and Technology

基　　金：自然科学基金联合基金(项目号:U18092006);自然科学基金(项目号:62171323);科技部重点研发项目(项目号:2020YFA0711400);上海市重大科技项目(项目号:2021SHZDZX0100);长江学者奖励计划;中央高校基本科研业务费等项目的支持

摘　　要：深度学习在医疗领域有着广泛的应用,可以提供临床诊断、辅助医疗等功能,从而更好地对患者进行手术治疗。目前虽然全监督的图像分割取得了较好的分割结果,但是由于医学图像标注任务复杂,因此需要具备专业的医学知识。如何使用易获取的弱标签进行医学图像分割是文章的主要研究内容。该文提出了通过基于SECNet对黑色素瘤图像进行弱监督的分割,并针对CAM图生成的伪标签稀疏问题,提出通过注意力机制提升伪标签的完整性,从而提高弱监督分割的整体精度,在ISIC黑色素瘤数据集上取得了比较准确的分割结果。

关 键 词：深度学习 弱监督 医学图像分割 注意力机制 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]