#光化性角化病

U-Net模型实现光化性角化病OCT图像表皮自动分割

研究团队开发并优化了一种U-Net深度学习模型，用于光学相干断层扫描（OCT）图像中光化性角化病（AK）病变的表皮自动分割。通过测试不同图像尺寸、批量大小和训练轮数，发现256×256像素分辨率、批量大小为2、训练50轮的配置最优，Dice系数达0.86，Jaccard指数为0.76。更高分辨率或更长训练周期未显著提升精度，反而增加计算负担并可能引发过拟合。