信息与控制

作者：卢力玮, 汪洋, 柳杨, 陈光

关键词：医学图像分割, 皮肤癌, U-Net, 多尺度特征, 通道注意力,

精确且高效的皮肤癌病灶分割对于早期检测和诊断至关重要。然而，病变区域通常存在边缘模糊和复杂的颜色变异，使得分割工作面临诸多挑战。针对这些问题，研究提出了一种基于多尺度通道融合注意力机制的U-Net分割模型(MCFA-UNet)，引入了多尺度注意力融合模块(MAF)来独立提取不同尺度的局部与全局特征；设计了多头通道交叉注意力融合Transformer(MCFT)跳跃连接模块和通道融合注意力模块(CFA)以有效整合跳跃连接和编码器间的特征信息。此外，还开发了全局特征提取模块(GFE)，用来捕获输入图像的全局信息。MCFA-UNet在两个公开数据集ISIC2017和ISIC2018上对所提出的方法进行了验证，mIoU、DSC和ACC的分割指标上分别达到了84.8%、91.64%和96.83%，展现了模型优秀的分割性能。

来源：2025年第5期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第5期