用于皮肤病变分割、分析与分类的深度学习集成:RECOD Titans 在 ISIC Challenge 2018
计算机视觉与模式识别
2018-08-28 v1
摘要
本扩展摘要描述了 RECOD Titans 参与 ISIC Challenge 2018 “朝向黑色素瘤检测的皮肤病变分析”(MICCAI 2018) 第 1 至 3 部分的情况。尽管我们团队在黑色素瘤分类方面有长期经验、在病变分割方面有中等经验,但 ISIC Challenge 2018 是我们首次从事病变属性检测。针对每项任务我们提交了 3 种不同的集成方法,变换模型与数据集的组合。我们在官方测试集上关于每项任务官方指标的最佳结果为:0.728(分割)、0.344(属性检测)和 0.803(分类)。这些提交分别获得了第 56、14 和 9 名。
引用
@article{arxiv.1808.08480,
title = {Deep-Learning Ensembles for Skin-Lesion Segmentation, Analysis, Classification: RECOD Titans at ISIC Challenge 2018},
author = {Alceu Bissoto and Fábio Perez and Vinícius Ribeiro and Michel Fornaciali and Sandra Avila and Eduardo Valle},
journal= {arXiv preprint arXiv:1808.08480},
year = {2018}
}