计算机辅助设计与图形学学报

作者：吴一帆, 张帆, 王桦, 张明丽, 张彩明

关键词：多尺度特征增强, 池化注意力, 皮肤病分割

皮肤病的早期诊断高度依赖于皮肤镜图像中病变区域的准确分割。然而病变区域通常具有边界模糊、形状不规则等特点，同时图像还受到毛发、阴影等干扰因素的影响，难以有效地提取关键特征信息，这些因素对皮肤病的分割结果影响很大。为了解决上述问题，提出一种皮肤病分割网络MPUNet。该网络融合多尺度特征增强模块（MS-Module）和池化注意力模块（PL-Module）。MS-Module通过引入区分性的空间先验信息，在高和宽2个方向上进行通道自适应校准与融合，有效地增强多语义信息的表达能力和对病变边缘区域的特征提取能力； PL-Module采用池化注意力机制强化全局上下文特征的提取，通过激活相关通道抑制毛发、血管等干扰因素对分割性能的影响，同时缓解训练过程中的梯度消失现象。在ISIC2018、ISIC2017和PH2公开皮肤病分割数据集上进行实验的结果表明，MPUNet在mIoU指标平均提升1.57个百分点。

来源：2026年第1期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2026年第1期