利用卷积神经网络自动化白癜风皮肤病灶分割
图像与视频处理
2019-12-19 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
对于白癜风等多种皮肤疾病,从皮肤图像中准确分割病灶是评估疾病进展与严重程度的主要手段。现有白癜风病灶分割方法需要人工干预。遗憾的是,人工分割耗时耗力,且不同医师间不可复现。我们提出一种卷积神经网络(CNN),可快速且鲁棒地执行白癜风皮肤病灶分割。我们的CNN具有带改进收缩路径的U-Net架构。我们利用该CNN生成病灶初始分割,随后通过对高置信度像素运行分水岭算法进行细化。我们在247幅具有不同病灶大小、复杂程度和解剖部位的图像上训练网络。经改进的网络明显优于最先进的U-Net,其Jaccard指数(JI)得分为73.6%(对比36.7%)。此外,我们的方法仅需数秒即可完成分割,而先前提出的半自动分水岭方法每幅图像需2–29分钟。
引用
@article{arxiv.1912.08350,
title = {Automating Vitiligo Skin Lesion Segmentation Using Convolutional Neural Networks},
author = {Makena Low and Priyanka Raina},
journal= {arXiv preprint arXiv:1912.08350},
year = {2019}
}