使用卷积神经网络集成进行足部溃疡自动分割
图像与视频处理
2022-06-20 v2 计算机视觉与模式识别
摘要
足部溃疡是糖尿病的常见并发症，与显著的发病率和死亡率相关，仍是下肢截肢的主要风险因素。从足部伤口中提取准确的形态学特征对于恰当治疗至关重要。尽管医学专业人员的视觉检查是常用的诊断方法，但该方法主观且易出错，因此计算机辅助方法提供了一种有趣的替代方案。基于深度学习的方法，特别是卷积神经网络（CNNs），已在包括医学图像分割在内的医学图像分析各种任务中展现出优异性能。在本文中，我们提出一种基于两种编码器-解码器CNN模型（即LinkNet和U-Net）的集成方法，以执行足部溃疡分割。为应对可用训练样本有限的问题，我们使用预训练权重（LinkNet模型用EfficientNetB1，U-Net模型用EfficientNetB2），并使用Medetec数据集进行进一步预训练，同时应用若干基于形态学与基于色彩的增强技术。为提升分割性能，我们结合了五折交叉验证、测试时增强与结果融合。在公开可用的慢性伤口数据集和MICCAI 2021足部溃疡分割（FUSeg）挑战赛上应用，我们的方法取得了最先进的性能，基于数据的Dice分数分别为92.07%和88.80%，并在FUSeg挑战赛排行榜上排名首位。Docker化指南、推理代码和保存的训练模型公开于https://github.com/masih4/Foot_Ulcer_Segmentation。
引用
@article{arxiv.2109.01408,
title = {Automatic Foot Ulcer Segmentation Using an Ensemble of Convolutional Neural Networks},
author = {Amirreza Mahbod and Gerald Schaefer and Rupert Ecker and Isabella Ellinger},
journal= {arXiv preprint arXiv:2109.01408},
year = {2022}
}
备注
Accepted for the 26th International Conference on Pattern Recognition (ICPR 2022)