皮肤镜图像中感兴趣区域检测的深度学习方法和应用
计算机视觉与模式识别
2022-03-03 v3
摘要
医学影像分析技术的快速发展，由提升计算机辅助诊断与检测(CAD)系统在这三项流行图像可视化任务——分类、分割与感兴趣区域(ROI)检测——上的巨大兴趣所推动。然而，由于专家标注费力且昂贵，带有真值标注、可用于开发病灶分割与 ROI 检测的数据集数量有限。检测 ROI 对精准定位病灶至关重要。本文中，我们提出使用两种深度目标检测元架构（Faster R-CNN Inception-V2 与 SSD Inception-V2）在皮肤镜数据集（2017 ISIC Challenge、PH2 与 HAM10000）中开发鲁棒的皮肤病灶 ROI 检测，并与当前最优分割算法（DeeplabV3+）比较性能。为进一步展示我们工作的潜力，我们基于该方法构建了用于皮肤病灶实时自动检测的智能手机应用。此外，我们开发了从 ROI 检测出发的自动自然数据增强方法，以生成皮肤镜图像的增强副本，作为皮肤病灶分割的预处理步骤，以进一步提升当前最优深度学习算法的性能。我们提出的 ROI 检测有潜力更合理地梳理皮肤科转诊流程，并减少皮肤癌诊断中不必要的活检。
引用
@article{arxiv.1807.10711,
title = {Deep Learning Methods and Applications for Region of Interest Detection in Dermoscopic Images},
author = {Manu Goyal and Moi Hoon Yap and Saeed Hassanpour},
journal= {arXiv preprint arXiv:1807.10711},
year = {2022}
}
备注
Natural Augmentation