摘要
计算机辅助诊断在口腔溃疡领域的进展较为缓慢，其中一个主要原因在于缺乏公开可用的数据集。然而，口腔溃疡存在癌变风险，且死亡率较高，因此实现对口腔溃疡的早期、及时、高效识别具有极其重要的临床意义。近年来，尽管已有少数研究团队开展相关工作，但其数据集均未公开。为应对这一挑战，本文提出并公开发布了一个多任务口腔溃疡数据集（Autooral），该数据集包含病灶分割与分类两大核心任务。据我们所知，本团队是首个公开发布具备多任务能力的口腔溃疡数据集的研究团队。此外，本文提出一种新型建模框架——HF-UNet，用于实现口腔溃疡病灶区域的精准分割。具体而言，所提出的高阶聚焦交互模块（HFblock）通过高阶注意力机制，分别实现对全局特征的捕获与对局部特征的聚焦。同时，所设计的病灶定位模块（LL-M）引入一种新型混合Sobel滤波器，显著提升了溃疡边缘的识别能力。在所构建的Autooral数据集上的实验结果表明，所提出的HF-UNet在口腔溃疡分割任务中取得了约0.80的Dice相似系数（DSC），推理过程中内存占用仅为2029 MB。该方法在保证高分割性能的同时，实现了较低的运行负载，具备良好的实用性与部署潜力。本文提出的Autooral数据集及代码已开源，可访问以下地址获取：https://github.com/wurenkai/HF-UNet-and-Autooral-dataset。