一种用于皮肤病变分割的具有上下文信息融合结构的多阶段框架
计算机视觉与模式识别
2018-10-17 v1
摘要
计算机辅助诊断（CAD）系统可大幅提高黑色素瘤识别的可靠性与效率。作为 CAD 的关键步骤，由于病变外观的巨大差异与伪影，现有方法的皮肤病变分割精度不尽人意。本工作中，我们提出一种在自上下文方案中采用多阶段 UNet（MS-UNet）的框架，以端到端准确分割皮肤病变。我们应用两种途径提升 MS-UNet 性能。首先，UNet 与上下文信息融合结构（CIFS）耦合，以在多尺度特征空间中整合低级与上下文信息。其次，为缓解梯度消失问题，我们通过以最小化加权 Jaccard 距离损失函数监督 MS-UNet 来使用深度监督机制。常用性能指标中除一项外的四项（包括 Jaccard 指数与 Dice 系数）表明，我们的方法在 ISBI 2016 皮肤病变挑战数据集上优于基于深度学习的现有最优方法。
引用
@article{arxiv.1810.07075,
title = {A Multi-stage Framework with Context Information Fusion Structure for Skin Lesion Segmentation},
author = {Yujiao Tang and Feng Yang and Shaofeng Yuan and Chang'an Zhan},
journal= {arXiv preprint arXiv:1810.07075},
year = {2018}
}
备注
4 pages, 3 figures, 1 table