陈宇翔，王磊，闫峻，周冬梅

(1. 北京中医药大学，北京 100029；2. 首都医科大学附属北京中医医院，北京 100010；3. 医渡云(北京)技术有限公司，北京 100083)

1 引 言

寻常型银屑病是一种红斑鳞屑性皮肤病，该病病程长，易复发，是常见的慢性皮肤病，对其进行早期的诊断与长期的疾病管理非常重要。银屑病的诊断主要通过肉眼观察，在无法确定病因时，需要进行皮肤镜分析或活检。在肉眼观察下，其皮损与其他疾病(如湿疹等)具有较高的相似性，有一定的诊断难度。在我国，寻常型银屑病患者数量大、病程长，为了更好地对银屑病患者进行长期的治疗管理，需要寻找一种易于在基层推广且准确率高的诊断方法。深度学习在二维临床图像识别和疾病分类方面，展示出了巨大的潜力[1]，在皮肤科领域，深度学习算法在黑色素瘤、色素痣、基底细胞癌、甲真菌病等疾病识别的应用中能够与皮肤科医师相媲美[2-8]。由于深度学习技术，特别是卷积神经网络在分类任务方面取得的显著成绩，利用机器学习方法对基层诊疗赋能成为了可能。

在皮肤病的识别中，对皮损区域进行分割与提取是一个重要的步骤[9-12]。通过对皮肤影像中皮损区域进行分割与提取，模型对皮损的病变程度与趋势具有相对客观的评估，且对智能辅助诊断的准确率有一定的提升。但其在实际应用过程中仍存在一些问题，由于皮损图片边缘相对模糊、皮损的颜色与形状分布不规律、皮损与背景的对比度较低等，会影响皮损分割的准确性，因此，对皮损分割的技术提出了更高的要求。……