皮膚病変画像のセグメンテーションにおいて異物の遮蔽、特徴情報の欠損、および病変領域の誤ったセグメンテーションなどの問題に対し、高解像度複合ネットワークに基づく皮膚病変セグメンテーション手法を提案する。まず、本手法は前処理操作を利用して皮膚病変画像を細かく拡張し、異物の遮蔽がネットワークのセグメンテーション性能に与える影響を低減する。次に、高解像度ネットワークと多尺度密集モジュールを用いてエンコーダ部分を構築する。高解像度ネットワークは高精細特徴マップの全局伝達を保証し、多尺度密集モジュールは病変特徴を最大限に伝達し、画像特徴情報の欠損を減らし、皮膚病変領域を正確に位置特定する。さらに、逆方向高解像度ネットワークと二重残差モジュールを用いてデコーダ部分を構築する。二重残差モジュールはデコーダ特徴の再構築時に深層セマンティック情報と空間情報を捉え、皮膚病変画像のセグメンテーション精度を向上させる。ISBI2016、ISBI2017およびISIC2018データセットで実験を行い、それぞれの精度は96.14％、93.72％、95.73％、Dice類似係数は93.16％、88.56％、92.00％、Jaccard指数は87.01％、77.19％、85.19％であり、このセグメンテーション手法の全体的な性能は既存の手法より優れている。シミュレーション実験により、高解像度複合ネットワークは皮膚病変画像に対して良好なセグメンテーション効果を示し、皮膚疾患の診断に新たな窓を提供することが証明された。

皮膚病変;画像セグメンテーション;高解像度ネットワーク;多尺度密集モジュール;二重残差モジュール