基于光照的变换改善皮肤镜图像中皮肤病变分割
计算机视觉与模式识别
2020-03-24 v1
摘要
皮肤病变的语义分割是皮肤镜图像计算机辅助诊断中重要且常见的初始任务。尽管基于深度学习的方法已显著提升分割精度，但通过应对形状、大小、颜色变化及不同对比度水平等主要挑战仍有改进空间。本工作中，我们提出首个针对皮肤镜图像的深度语义分割框架，其除原始 RGB 图像外，还融入利用皮肤光照与成像物理提取的信息。具体而言，我们融入特定色带、光照不变灰度图像及阴影衰减图像的信息。我们在三个数据集上评估方法：ISBI ISIC 2017 皮肤病变分割挑战数据集、DermoFit Image Library 与 PH2 数据集，并观察到相较于仅用 RGB 图像训练的基线模型，平均 Jaccard 指数分别提升 12.02%、4.30% 与 8.86%。
引用
@article{arxiv.2003.10111,
title = {Illumination-based Transformations Improve Skin Lesion Segmentation in Dermoscopic Images},
author = {Kumar Abhishek and Ghassan Hamarneh and Mark S. Drew},
journal= {arXiv preprint arXiv:2003.10111},
year = {2020}
}
备注
10 pages, 5 figures