针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题，提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnetABT-263说明书。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰富的多尺度信息，同时由CAM和PAM构成的双注意力模块通过编码全局上下文信息，在通道和位置上对特征图进行重新Fixed and Fluidized bed bioreactors配准，实现对相关特征的强调和对无关特征的抑制。两个模块并行连接，共同作用以提高分割精度。在ISIC2018数据集上，DDAnet的Acc、JI、DC、Sen和Spec指标值分别为96.75%、85.00%、91.36%、91.82%和97.42%，分割结果优于其他的分割网络，并且对于极具挑战的病例，DDAnet仍然能够产生准确、可靠的分割结果，说明其具备在临床诊断中辅助医Belumosudil MW生进行皮肤病变分割的潜力。