深度学习用于皮肤病变分割的综述
图像与视频处理
2023-06-21 v3 计算机视觉与模式识别
机器学习
摘要
皮肤癌是一个重大公共卫生问题，可受益于计算机辅助诊断以减轻这种常见疾病的负担。从图像中分割皮肤病变是实现该目标的重要步骤。然而，自然与人工伪影（如毛发和气泡）、内在因素（如病变形状与对比度）以及图像采集条件的变化，使皮肤病变分割成为一项具有挑战性的任务。近来，众多研究者探索了深度学习模型在皮肤病变分割中的适用性。本综述中，我们交叉审视了 177 篇关于基于深度学习的皮肤病变分割的研究论文。我们沿多个维度分析这些工作，包括输入数据（数据集、预处理与合成数据生成）、模型设计（架构、模块与损失）以及评估方面（数据标注需求与分割性能）。我们从所选开创性工作的视角以及系统视角讨论这些维度，考察这些选择如何影响当前趋势，以及应如何解决其局限性。为便于比较，我们将所有审视的工作总结于一个综合表格以及在线可用的交互式表格（https://github.com/sfu-mial/skin-lesion-segmentation-survey）。
引用
@article{arxiv.2206.00356,
title = {A Survey on Deep Learning for Skin Lesion Segmentation},
author = {Zahra Mirikharaji and Kumar Abhishek and Alceu Bissoto and Catarina Barata and Sandra Avila and Eduardo Valle and M. Emre Celebi and Ghassan Hamarneh},
journal= {arXiv preprint arXiv:2206.00356},
year = {2023}
}
备注
Published in Medical Image Analysis (2023); 55 pages, 10 figures; Mirikharaji and Abhishek: Joint first authors; Celebi and Hamarneh: Joint senior authors