基于改进U-net的黑色素瘤全视野数字切片多尺度组织分割

摘要

针对肢端黑色素瘤全视野数字切片主要组织：黑色素瘤、表皮组织和间质组织的分割需求，构建首个肢端黑色素瘤全视野数字切片多尺度组织分割数据集，并提出基于改进U-net的协同注意力-动态卷积的分割模型DDCRS-Unet应对分割难题。该模型采用双动态扩张卷积模块，通过分级扩张率和通道注意力实现病理特征分层提取，并在跳跃连接处嵌入多分支特征增强模块，利用通道注意力机制对关键病理特征进行重校准。实验结果表明，该模型分割肢端转移灶3类组织结构的平均精确率提升到0.840 3，平均交并比提升到0.525 8，平均Dice系数提升到0.621 1，较U-net分别提升3.26%、5.69%、4.70%。

关键词

黑色素瘤 / 图像分割 / 深度学习 / 全视野数字切片 / 多尺度特征