计算机工程

作者：顾群, 随思懿, 王瑞, 张海, 许天鹏

单位：1. 兰州理工大学计算机与通信学院, 甘肃 兰州 7300502. 上海建桥学院信息技术学院, 上海 201306

关键词：YOLOv8网络,皮肤黑色素瘤分割,U-Net v2网络,可变形大核注意力机制,多样化分支块

针对现有很多皮肤黑色素瘤图像分割算法因病灶区域形状多样、边缘模糊导致分割结果不精准的问题, 基于YOLOv8提出一种结合多尺度特征提取和边缘分割增强的皮肤黑色素瘤分割算法YOLOv8-Skin。首先, 将YOLOv8的主干网络CSPDarkNet53更换为更适合医学图像分割的U-Net v2网络, 使得在低级特征中注入丰富的语义信息, 同时精细化高级特征, 从而实现对皮肤黑色素瘤图像中对象边界的精确勾画和小结构的有效提取; 其次, 在颈部的C2f中引入可变形大核注意力(D-LKA)机制, 通过使用可变形卷积提升模型对于不规则图像结构信息的捕捉能力, 并利用大核卷积融合不同层次的特征; 最后, 在头部引入多样化分支块(DBB)形成新的分割头, 通过结合不同规模和复杂度的多样化分支增强单个卷积的表示能力, 从而增强模型对于病灶区域的特征提取。实验结果表明, YOLOv8-Skin的Dice系数、特异性、灵敏度、准确度在ISIC2017数据集上分别达到88.86%、91.34%、97.24%、96.29%, 在ISIC2018数据集上分别达到91.64%、95.42%、96.69%、95.83%, 在PH2数据集上分别达到95.92%、95.43%、97.02%、96.13%, 具有更强的分割性能, 能够更好地适用于皮肤黑色素瘤分割任务。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期