基于超像素嵌入Transformer的皮肤病灶精准分割方法SET研究

为解决皮肤病灶分割中全局信息捕获不足和结构完整性保持的难题，研究人员创新性地提出超像素嵌入Transformer（SET）框架。通过关联嵌入合并分发（AEM&D）模块和集成融合精炼（EFR）模块，首次将超像素作为基本处理单元引入Vision Transformer，在ISIC 2016-2018数据集上实现SOTA性能，为皮肤癌早期诊断提供新工具。

　　

皮肤癌作为全球高发恶性肿瘤，其早期诊断高度依赖病灶的精准分割。然而传统方法面临两大核心挑战：卷积神经网络（CNN）的有限感受野难以捕捉长程依赖，而主流Vision Transformer（ViT）采用的刚性图像分块策略会破坏病灶的结构连续性。更棘手的是，皮肤病灶具有形态不规则、边界模糊等特性，现有方法在保持局部细节与全局上下文平衡方面表现欠佳。

针对这些瓶颈，研究人员开发了超像素嵌入Transformer（SET）框架。该创新方法突破性地将超像素——这种符合自然边界的图像单元作为ViT的基本处理元素，通过两个核心模块实现技术革新：关联嵌入合并分发（AEM&D）模块在编解码过程中动态处理超像素单元，而集成融合精炼（EFR）模块则整合多紧凑度超像素图的特征。实验证明，SET在ISIC系列数据集上的Dice系数提升达2.3%-5.8%，尤其对黑色素瘤等侵袭性病灶的分割效果显著。

关键技术包括：1）构建多紧凑度超像素库实现多尺度特征提取；2）AEM&D模块实现像素-超像素-特征向量的三重映射；3）EFR模块采用通道注意力机制融合异构特征。研究选用ISIC 2016-2018的2179张皮肤镜图像，通过五折交叉验证评估性能。

【主要结果】
传统与CNN方法对比：SET在ISIC 2018测试集上达到91.7% Dice值，较最优CNN方法Ms-Red提升3.2%。
Transformer方法对比：在病灶边界区域，SET比APFormer的Hausdorff距离降低15.6像素。
消融实验：单独使用AEM&D模块可使分割精度提升1.8%，而完整框架带来4.5%的显著改进。

结论表明，将超像素作为ViT的基础处理单元能有效保持病灶的结构连续性，其创新性体现在：1）首次实现超像素与Transformer的端到端融合；2）建立多尺度超像素特征库；3）为医学图像分割提供新的范式转换。该成果发表于《Medical Image Analysis》，其技术路线可扩展至CT、MRI等三维医学图像分析领域。