基于深度卷积神经网络的全自动伤口分割
图像与视频处理
2020-10-26 v1 计算机视觉与模式识别
摘要
急性与慢性伤口病因各异，且给全球医疗系统带来经济负担。高级伤口护理市场预计到 2024 年将超过 220 亿美元。伤口护理专业人员高度依赖图像及图像记录进行正确诊断与治疗。遗憾的是，专业知识的缺乏可能导致伤口病因诊断不当以及伤口处理与记录不准确。自然图像中伤口区域的全自动分割是诊断与护理流程的重要环节，因为测量伤口面积并提供治疗中的量化参数至关重要。多种深度学习模型已在包括语义分割在内的图像分析中取得成功。尤其是 MobileNetV2 凭借其轻量架构与不受影响的表现而脱颖而出。本手稿提出一种基于 MobileNetV2 与连通分量标记的卷积框架，用于从自然图像中分割伤口区域。我们构建了一个包含来自 889 名患者的 1,109 张足部溃疡图像的标注伤口图像数据集，用以训练和测试深度学习模型。我们通过在多种分割神经网络上进行全面实验与分析，证明了所提方法的有效性与可移动性。
引用
@article{arxiv.2010.05855,
title = {Fully Automatic Wound Segmentation with Deep Convolutional Neural Networks},
author = {Chuanbo Wang and DM Anisuzzaman and Victor Williamson and Mrinal Kanti Dhar and Behrouz Rostami and Jeffrey Niezgoda and Sandeep Gopalakrishnan and Zeyun Yu},
journal= {arXiv preprint arXiv:2010.05855},
year = {2020}
}