使用大规模皮肤镜图像与深度残差网络进行自动皮肤病变分析
计算机视觉与模式识别
2017-03-20 v2
摘要
恶性黑色素瘤是全球发病率增长最快的癌症之一，且具有相当高的死亡率。早期诊断尤为重要，因为黑色素瘤可通过及时切除而治愈。皮肤镜图像在黑色素瘤的无创早期检测中发挥着重要作用 [1]。然而，仅凭人类视觉进行黑色素瘤检测可能具有主观性、不准确性，且即使在经验丰富的皮肤科医生之间可重复性也较差。这归因于解读具有多样特征的图像所面临的挑战，包括大小和形状各异的病变、边界可能模糊的病变、不同的肤色以及毛发的存在 [2]。因此，皮肤镜图像的自动分析对于临床决策和基于图像的诊断以识别诸如黑色素瘤等疾病而言，是一种宝贵的辅助手段 [1-4]。深度残差网络（ResNets）已在图像分类和检测相关问题中取得了最先进的成果 [5-8]。在本次 ISIC 2017 皮肤病变分析挑战赛 [9] 中，我们提出利用深度 ResNets 进行鲁棒的视觉特征学习与表示。
引用
@article{arxiv.1703.04197,
title = {Automatic Skin Lesion Analysis using Large-scale Dermoscopy Images and Deep Residual Networks},
author = {Lei Bi and Jinman Kim and Euijoon Ahn and Dagan Feng},
journal= {arXiv preprint arXiv:1703.04197},
year = {2017}
}
备注
Submission for ISIC2017 Challenge