具有自适应感受野的互补网络用于黑色素瘤分割
计算机视觉与模式识别
2020-01-14 v1
摘要
皮肤镜图像中的黑色素瘤自动分割在皮肤癌计算机辅助诊断中至关重要。现有方法可能存在孔洞与收缩问题，分割性能有限。为解决这些问题，我们提出了一种具有自适应感受野学习的新型互补网络。我们并非独立看待分割任务，而是引入前景网络检测黑色素瘤病灶，以及背景网络掩盖非黑色素瘤区域。此外，我们提出自适应空洞卷积（AAC）与知识聚合模块（KAM）以填充孔洞并缓解收缩问题。AAC在多个尺度上显式控制感受野，KAM通过具有自适应感受野的空洞卷积对浅层特征图进行卷积，这些感受野根据深层特征图调整。另外，提出一种新颖的互损失以利用前景与背景网络间的依赖性，从而 enabling 这两个网络内的相互影响。因此，该互训练策略实现了半监督学习并提升了边界敏感性。使用皮肤影像协作（ISIC）2018皮肤病变分割数据集训练，我们的方法取得了86.4%的Dice系数，并展现出优于最先进黑色素瘤分割方法的性能。
引用
@article{arxiv.2001.03893,
title = {Complementary Network with Adaptive Receptive Fields for Melanoma Segmentation},
author = {Xiaoqing Guo and Zhen Chen and Yixuan Yuan},
journal= {arXiv preprint arXiv:2001.03893},
year = {2020}
}
备注
4 pages, 4 figures