基于深度学习的新型级联方法用于皮肤病灶分析
图像与视频处理
2023-01-18 v1 计算机视觉与模式识别
摘要
自动病灶分析在皮肤癌诊断中至关重要，可确保有效治疗。在皮肤镜图像中对此类皮肤癌进行计算机辅助诊断可显著减轻临床医生的工作量，并有助于提高诊断准确率。尽管研究人员在解决该问题上进行了广泛工作，但皮肤病灶的早期检测与准确识别仍具挑战性。本研究聚焦于一个用于病灶分析的两步框架，即先进行皮肤病灶分割，随后进行分类。我们通过设计一种用于皮肤病灶分割的编码器-解码器架构和基于 CNN 的分类网络，探索了基于深度卷积神经网络架构的有效性。所提出的方法在准确率、平均交并比和 Dice 相似系数方面进行了定量评估。我们基于深度学习的端到端级联方法属首创，由于先前的分割，病灶分类准确率得到显著提升。
引用
@article{arxiv.2301.06226,
title = {Deep Learning based Novel Cascaded Approach for Skin Lesion Analysis},
author = {Shubham Innani and Prasad Dutande and Bhakti Baheti and Ujjwal Baid and Sanjay Talbar},
journal= {arXiv preprint arXiv:2301.06226},
year = {2023}
}
备注
Accepted to be published in 7th International Conference, CVIP 2022, Nagpur, India November 04-06, 2022