DSNet:自动皮肤镜皮肤病变分割
图像与视频处理
2020-01-27 v2 计算机视觉与模式识别
摘要
皮肤病变的自动分割被视为计算机辅助诊断(CAD)中黑色素瘤诊断的关键步骤。尽管重要,皮肤病变分割因其多样的颜色、纹理及难区分的边界而仍具挑战性,并构成一个开放问题。通过本研究,我们提出一种用于鲁棒皮肤病变分割的新的自动语义分割网络,名为皮肤镜皮肤网络(DSNet)。为减少参数量使网络轻量,我们在编码器不同阶段以深度可分离卷积替代标准卷积,将学到的判别特征投影至像素空间。此外,我们实现了 U-Net 与全卷积网络(FCN8s)与所提 DSNet 比较。我们在两个公开数据集 ISIC-2017 与 PH2 上评估所提模型。所得平均交并比(mIoU)在 ISIC-2017 与 PH2 上分别为 77.5% 与 87.0%,相对于 mIoU 超越 ISIC-2017 挑战赛冠军 1.0%。我们所提网络在 ISIC-2017 数据集上相对于 mIoU 也分别超越 U-Net 与 FCN8s 达 3.6% 与 6.8%。我们的皮肤病变分割网络优于其他方法,能在两个不同测试数据集上提供更好的分割掩码,从而提升黑色素瘤检测性能。我们训练好的模型连同源代码与预测掩码已公开可用。
引用
@article{arxiv.1907.04305,
title = {DSNet: Automatic Dermoscopic Skin Lesion Segmentation},
author = {Md. Kamrul Hasan and Lavsen Dahal and Prasad N. Samarakoon and Fakrul Islam Tushar and Robert Marti Marly},
journal= {arXiv preprint arXiv:1907.04305},
year = {2020}
}
备注
25 pages