【成果简介】
皮肤癌对人们的身体健康危险性极大，且皮肤病特征的复杂性也给 医生治疗带来了一定的困难。基于深度学习方法的皮肤病灶分割算法能 够很好地解决皮肤病灶图像分割不准确问题，为医生诊断治疗提供参考。 因此，本项目以皮肤病灶图像为研究对象，利用深度学习方法，提出了融 合多层次拆分感受野的高效皮肤病灶图像分割算法、基于多尺度融合的自适 应皮肤病灶分割算法及基于Transformer-CNN 的双分支编码皮肤病灶图像 分割算法等多种新的皮肤病灶图像分割方法，有效解决皮肤病灶图像分割 过程出现的不足，可作为医学相关类疾病辅助诊断的重要依据。
【技术指标】
本项目提出的皮肤病灶图像分割算法集成了医学图像处理、数据增 强、病灶分割等关键创新技术。算法在在 ISCI2017 数据集和 ISCI2018 等公用数据集上的准确率、Dice 相似系数及 Jaccard 指数等关键指标较传 统方法有了大幅度提高，为临床医师做出正确的诊断和治疗提供一定的 技术支持。
【技术成熟度】 正在研发
