范玉 张乾 白金华 张宇航

摘要：由于皮肤癌黑色素瘤特有的噪声分布不均一、关键信息占比小的问题，使得图像病灶边缘模糊，容易出现误分割，无法满足精度要求。提出一种改进的结构森林模型对黑色素瘤图像病灶进行分割，设计一种有效的输入方案，通过二维高斯函数进行去噪，根据图像像素特点自适应选择阈值增强病灶边缘，结合数学形态学突出有效信息，从而提高分割精度。在ISIC公开的数据集HAM10000上选取的部分数据试验结果表明，改进后的模型在保持大部分关键信息的情况下，比原始模型分割速度更快、效果更好。

关键词：皮肤癌黑色素瘤；改进结构森林；数学形态学；病灶分割

中图分类号：TP393文献标志码：A文章编号：1008-1739（2021）22-66-5

0引言

医学图像分割是医学图像处理与分析领域复杂而关键的步骤，目的是将医学图像中具有某些特殊含义的部分分割出来，有助于后续提取图像感兴趣区域的相关特征，并给临床诊疗和病理学研究提供可靠的依据，辅助医生做出更为准确的诊断。

目前国内外广泛使用的医学图像分割方法有很多种，包括传统算法和深度学习[1]算法，本文主要了解关于传统的图像分割方法。阈值分割是最常见的一种分割方法，基于对灰度图的假设，有效对图像进行了分割，比如伏金浩等人[1]提出的一种基于改进阈值与边缘梯度的亮场干细胞图像分割方法，准确分割了细胞的边缘轮廓，比传统的阈值分割方法具有更好的分割效果。……