基于Mamba增强局部特征提取的皮肤病变分割模型

胡志强; 吕晓琪; 谷宇

doi:10.16088/j.issn.1001-6600.2025122905

广西师范大学学报（自然科学版） ›› 2026, Vol. 44 ›› Issue (5) : 63 -74. DOI: 10.16088/j.issn.1001-6600.2025122905

基于Mamba增强局部特征提取的皮肤病变分割模型

胡志强, 吕晓琪, 谷宇

作者信息 +

Author information +

文章历史 +

摘要

早期皮肤病变分割技术对皮肤癌的诊治起到十分重要的作用。然而，现有皮肤病变分割模型中，CNN难于提取图片的全局特征，Transformer模型计算开销大，导致训练成本居高不下，为此，本文提出LEM-UNet(local feature enhanced Mamba-UNet)模型。该模型基于vision Mamba-UNet重构其解码器，增强全局特征提取；提出多尺度特征提取残差模块RMS和局部特征提取模块LFM,加强模型对图像中不同尺寸大小病灶的分割能力，同时提升模型对病灶边界特征的捕获与提取精度，增强模型整体的分割效果。在ISIC2017和ISIC2018公共皮肤病变分割数据集上的对比实验表明，相较于基线模型，本文模型在mIoU、DSC、Acc、Spe、Sen评价指标上分别提升0.97、0.56、0.22、0.20、0.29和1.55、0.91、0.41、0.16、1.23个百分点，尤其在分割对象与背景对比度不高的场景下表现更为出色。