← 返回 PaperDaily
视觉与图像
Jaccard 0.8546：皮肤病灶分割的多级融合方案
这篇文章把扩散模型、双路径编码和跨层特征融合揉到一起，专门对付皮肤病灶那种“边界糊成一锅粥”的老难题。实验结果也挺硬，三个公开数据集上平均Jaccard和Dice都很能打，值得看看它到底怎么把病灶边缘抠细。
龙哥读论文
发布于 2026-08-14 09:10:48
阅读 3
查看原文
🐉 龙哥读论文知识星球来了！ 公众号每日8篇拆解不够看？星球 无上限更AI领域论文、资讯、招聘、招博、开源代码， 一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～
龙哥推荐理由：
原论文信息如下：
1. 皮肤病变分割为何如此困难？ 皮肤病变分割，说白了就是把皮肤镜图像里那块“可疑区域”从背景里抠出来。听起来像抠图，实际比抠图难多了：病灶边界常常不是刀切一样整齐，而是模糊、低对比、形状不规则
传统的 U-Net 一类方法，靠编码器提语义、靠跳连补细节，已经是医学分割里的老熟人了。但问题也很现实：同层跳连
Transformer 虽然擅长全局建模，但在医学小数据集上往往训练成本更高，稳定性也更挑数据。扩散模型近几年进入分割任务后，思路倒是很有意思：把分割看成“从噪声里一点点把掩码擦出来”的过程，既能建模不确定性，又适合处理边界模糊这种脏活累活。MLFFM-SegDiff
2. 双路径编码器+MLFFM：如何打破特征融合瓶颈？ 这篇论文最有意思的地方，不是“我也用了扩散模型”，而是它在扩散框架里动了三处关键手术：双路径编码器 多级特征融合模块 MLFFM 边界敏感损失
先看双路径编码器。普通扩散分割方法里，噪声掩码和图像条件有时只是简单拼接，像把两份材料硬塞进同一个搅拌机，能混，但不一定混得好。这里则把噪声掩码分支和图像引导分支分开编码，再通过残差块、反馈卷积和线性注意力做交互。这样做的好处是：掩码分支负责“当前猜到哪了”
更关键的是，编码器不是只留下“同层跳连”这种老套路，而是同时保留两类特征：一类是直接送到解码器的直连跳连特征 增强跳连特征
MLFFM 的核心任务，是把不同层级的跳连特征真正揉在一起，而不是只做形式上的“多尺度”。它先通过空间注意力和通道注意力筛一遍，把有用的区域和通道先拎出来；然后做尺度对齐，把不同分辨率的特征拉到同一个空间尺度上；最后再做跨层融合。这里的重点是，融合不是简单相加，而是让浅层的边界纹理、深层的语义轮廓、不同层级的上下文信息彼此补位。
如果把整个流程拆开看，大概是这么个逻辑：先把噪声掩码和原图分别投影到特征空间；再在每一层编码时让两路特征互相“串门”；接着把各层跳连特征送进 MLFFM 做注意力增强、尺度对齐和跨层融合；最后在解码器里同时使用直连跳连和融合跳连，逐步恢复出更完整的病灶区域。这个结构的妙处在于，它没有把“边界细节”和“全局语义”当成二选一，而是尽量让二者同时在线。
论文里还提到一个边界敏感损失。这里的边界敏感，英文全称是 boundary-sensitive loss
这套方法的底层逻辑，可以理解成“先把标准答案打乱，再逼模型把答案拼回来”。训练时，真实掩码 x0 会逐步加噪，得到 xt；模型输入噪声掩码、原图和时间步，去预测被加进去的噪声 ε。只要噪声预测得准，反向扩散就能一步步把病灶区域还原出来。
这里的关键不是“预测噪声”这四个字，而是网络结构怎么帮它预测得更准。双路径编码器负责把原图信息和噪声掩码信息分开理解，再交叉融合；MLFFM 负责把多层特征对齐后做更充分的跨层交流；边界敏感损失则把学习重点往最容易出错的边缘区域挪。三者合起来，等于给扩散模型装了一个“边界放大镜”。
论文中对扩散模型、U-Net、注意力模块这些概念没有故弄玄虚，而是把它们放回到一个很实际的问题里：边界模糊时，单层信息不够，单次融合也不够，必须让不同尺度的信息反复协商
Jaccard index
Dice coefficient
Recall
MLFFM Multi-Level Feature Fusion Module
D-U-Net
3. Jaccard达0.8546：三个数据集全面领先 实验部分比较扎实，直接上了三个公开数据集：ISIC2018、PH2 和 HAM10000
方法对比对象包括 DermoSegDiff、Generic U-Net、SwinUNETR 和 U-Net。这里的对比思路是合理的：既有传统卷积基线，也有 Transformer 风格模型，还有同类扩散分割方法。这样一来，MLFFM-SegDiff 的提升不是“挑软柿子捏”得来的，而是放在了多个有代表性的参照系里。
从具体数字看，论文给出的三数据集平均结果里，MLFFM-SegDiff 的 Jaccard 达到 0.8546，Dice 达到 0.9207
这些结果和方法设计是对得上的。双路径编码器让图像信息和噪声掩码信息不再“各说各话”，MLFFM 又把不同层级的跳连特征做了更强的协同，因此模型对边界和区域结构的把握更完整。尤其是 Recall 提升明显，说明它对病灶覆盖更积极，不容易把边缘漏掉；Jaccard 和 Dice 同时提升，则说明这种“更积极”不是瞎冲，而是有质量地冲。
五折交叉验证的设置也比较稳妥，能缓解医学数据集样本少、划分偶然性大的问题。再加上统一预处理和统一指标，实验公平性基本过关。值得注意的是，论文没有只盯着一个漂亮数字，而是同时看 Accuracy、F1、Jaccard、Recall、Specificity、Dice，这样更能反映模型在“少漏检”和“少误检”之间的平衡。
可视化图往往比表格更诚实。因为表格里的 0.00 几提升看着像“挪了一小步”，但放到边界图上，可能就是少漏一圈、少错一块。对皮肤病灶分割而言，这种差异很实用：边界更准，后续面积估计、病灶分析、分类判断才更靠谱。
4. 消融实验揭秘：哪个模块贡献最大？ 论文还做了消融实验，思路很清楚：把双路径编码器、MLFFM、边界敏感损失一个个拿掉，看模型会不会立刻“露馅”。这种实验的价值不在于凑热闹，而在于证明提升不是玄学，而是每个模块都在干活。
从论文文字描述来看，双路径编码器 MLFFM 边界敏感损失
从消融逻辑上看，最值得肯定的是论文没有把提升全甩给某一个模块，而是承认这是一个“组合拳”问题。边界敏感损失更像是锦上添花，但在难样本上很可能是决定模型会不会漏边的关键；双路径编码器和 MLFFM 则更像地基，地基不稳，后面再花哨也容易塌。
5. 局限性：精度与效率的权衡 这篇论文的优点很明确，但局限性也不能装看不见。首先，扩散模型天生就有迭代去噪的成本，虽然论文通过结构优化提升了效果，但在实际部署时，速度和算力压力依然要认真算账。医学影像系统里，临床更关心“能不能稳定、快速、可重复地跑起来”，而不是只在论文图里跑得漂亮。
其次，这类方法对训练数据分布仍然比较敏感。论文用了三个公开数据集和五折交叉验证，说明作者已经尽量避免偶然性，但如果换到不同设备、不同医院、不同成像风格，泛化能力还需要更多验证。换句话说，它已经很像一位“成绩不错的优等生”，但离“到哪都能稳定发挥的全能选手”还有一步。
不过，从研究角度看，这篇工作还是挺有价值的：它说明扩散模型做医学分割，不一定只能靠“更大的模型、更长的采样”，也可以通过更聪明的特征交互 更有针对性的边界约束
龙迷三问 这篇论文到底解决了什么问题？
MLFFM 是什么意思？
为什么它的 Recall 和 Jaccard 更值得看？
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★☆☆。把扩散模型、双路径编码和多级特征融合结合起来，思路不算离经叛道，但在皮肤病灶分割这个具体问题上，组合得比较顺。
实验合理度： ★★★★☆。三个公开数据集、五折交叉验证、多个强基线、再加消融实验，基本把该做的都做了，比较像一篇认真打磨过的工作。
学术研究价值： ★★★★☆。它对医学图像分割里“如何更好融合跨层特征”给出了可复用思路，尤其适合边界敏感任务继续往下挖。
稳定性： ★★★☆☆。结果不错，但扩散模型的迭代采样天然有成本，实际落地时还要看推理速度和不同数据源上的稳定性。
适应性以及泛化能力： ★★★☆☆。在公开数据集上表现较稳，但跨医院、跨设备场景还需要更多验证，不能直接当万能药。
硬件需求及成本： ★★★☆☆。训练和推理都比普通 U-Net 更重，扩散框架的采样开销不能忽略。
复现难度： ★★★☆☆。作者给了代码仓库信息，方向清晰，但扩散模型训练细节和数据预处理还是会卡一部分人。
产品化成熟度： ★★★☆☆。适合研究验证和辅助分析，若要进临床流程，还得补速度、鲁棒性和跨域泛化测试。
可能的问题： 方法有效，但扩散采样成本和跨域泛化仍是硬门槛；如果后续能做轻量化和更强域适应，实用性会更上一层楼。
主要参考文献
[1] Gu J, Shen C, Cao Y, Zhang W, Li Y, Fan A. MLFFM-SegDiff: A Multi-Level Feature Fusion Diffusion Model for Skin Lesion Segmentation. arXiv:2606.26712v1, 2026. [2] 代码仓库：https://github.com/Qacket/MLFFM-SegDiff [3] ISIC2018 / PH2 / HAM10000 公开数据集相关说明见论文正文。 *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
