使用深度学习从非皮肤镜图像中提取皮肤病变
计算机视觉与模式识别
2017-03-29 v1
摘要
黑色素瘤是最具侵袭性的癌症类型之一。然而，如果在早期发现，它是高度可治愈的。对可疑痣和病变进行恶性预筛查具有重要意义。可以通过标准相机捕获的图像进行检测，由于成本低廉且易于获取，这种方法更为可取。计算机化皮肤病变评估中的一个重要步骤是准确检测病变区域，即将图像分割为病变和正常皮肤两个区域。由于光照变化以及病变与健康皮肤之间低对比度等负担，准确分割具有挑战性。在本文中，提出了一种基于深度神经网络的方法，用于准确提取病变区域。对输入图像进行预处理，然后将其图像块输入到卷积神经网络（CNN）中。处理图像块的局部纹理和全局结构，以便将像素分配到病变或正常类别。使用一种有效的训练图像块选择方法，以更准确地检测病变边界。输出分割掩膜通过一些后处理操作进行细化。定性和定量评估的实验结果表明，我们的方法优于文献中现有的其他 SOTA 算法。
引用
@article{arxiv.1609.02374,
title = {Extraction of Skin Lesions from Non-Dermoscopic Images Using Deep Learning},
author = {Mohammad H. Jafari and Ebrahim Nasr-Esfahani and Nader Karimi and S. M. Reza Soroushmehr and Shadrokh Samavi and Kayvan Najarian},
journal= {arXiv preprint arXiv:1609.02374},
year = {2017}
}