改进UNet的糖尿病足溃疡图像分割方法

来源：计算机应用与软件杂志2026年第1期北京时间：

作者：王杰，蒋伏松,

摘要：针对传统的基于深度学习的图像分割模型对足溃疡的伤口区域分割精度不高的问题，提出一种基于改进UNet的分割方法。该方法将改进后的DenseNet网络及ASPP融入UNet网络中，减少网络的参数量并且抑制无关特征对网络模型的干扰，对足溃疡伤口进行多尺度的特征提取。同时，引入边缘损失函数来解决模型边缘细节分割能力差的问题。在DFUC2022数据集上的实验结果表明，该算法的Precision、Recall、MIoU和F2-score四项评价指标分别达到了0.904、0.915、0.858和0.913，皆优于其余四种对比的分割方法。

关键词：深度学习, 语义分割, 稠密卷积网络, 空洞空间卷积池化金字塔, UNet网络