基于全局与局部信息的深度网络用于皮肤病变分割

随着皮肤镜图像的大量涌入和皮肤科医生的日益短缺，自动皮肤镜图像分析在皮肤癌诊断中发挥着重要作用。本文提出了一种新的深度全卷积神经网络（FCNN），通过仅以像素和标签作为输入的端到端学习，自动从皮肤图像中分割出黑色素瘤。我们提出的 FCNN 采用跳跃层连接，能够利用局部和全局信息来分割黑色素瘤。我们使用国际生物医学成像研讨会 2017 黑色素瘤检测挑战赛的公开基准数据库（包含 150 张验证图像、600 张测试图像和 2000 张训练图像）来测试我们算法的性能。所有大尺寸图像（例如，$4000\times 6000$ 像素）都被缩小为 $384\times 384$ 像素的更小图像（缩小 10 倍以上）。我们在没有任何预处理或后处理的情况下获得了初步结果并提交给该挑战赛。通过数据增强以及避免图像尺寸缩小，我们所提方法的性能可以进一步提升。