中文摘要: 皮肤镜图像中的皮肤病变分割是计算机辅助诊断皮肤癌的关键。现有的卷积神经网络（CNNs）通常由于卷积操作的固有限制而忽视全局上下文信息。因此，提出了一种具有Transformer和CNN优点的混合编码器的皮损分割网络。首先，使用极坐标变换对原始图像进行预处理。接着利用CNN对不同尺度特征进行预提取，并将其作为Transformer编码器的输入序列，实现对序列数据的全局上下文建模，更好地捕获特征之间的长程依赖关系。最后，在解码器中加入了多级特征融合模块和注意机制，解码不同尺度和编码块内的分层语义特征。提出的HET-Net网络在ISIC 2018数据集上JSI、DSC和ACC值分别达到了85.09%、91.43%和96.90%，在ISIC 2016 + PH2数据集上分别达到了87.44%、93.02%和95.68%。与其他模型相比，我们的模型取得了显著的结果，验证了模型的有效性。