用于协作式皮肤病变分割与黑色素瘤识别的知识感知深度框架
图像与视频处理
2021-12-03 v2 计算机视觉与模式识别
摘要
深度学习技术已在皮肤科医生临床检查中展现出优越性能。然而，由于难以将有用的皮肤科临床知识纳入学习过程，黑色素瘤诊断仍是一项具有挑战性的任务。本文提出一种新颖的知识感知深度框架，将一些临床知识纳入两个重要黑色素瘤诊断任务（即皮肤病变分割和黑色素瘤识别）的协作学习中。具体而言，为利用病变区域及周围区域的形态学表达知识进行黑色素瘤识别，设计了基于病变的池化与形状提取（LPSE）方案，将皮肤病变分割获得的结构信息迁移至黑色素瘤识别。同时，为将皮肤病变诊断知识从黑色素瘤识别传递至皮肤病变分割，设计了有效的诊断引导特征融合（DGFF）策略。此外，我们提出一种递归互学习机制，进一步促进任务间合作，从而迭代提升模型在皮肤病变分割和黑色素瘤识别上的联合学习能力。在两个公开可用皮肤病变数据集上的实验结果表明了所提方法对黑色素瘤分析的有效性。
引用
@article{arxiv.2106.03455,
title = {Knowledge-aware Deep Framework for Collaborative Skin Lesion Segmentation and Melanoma Recognition},
author = {Xiaohong Wang and Xudong Jiang and Henghui Ding and Yuqian Zhao and Jun Liu},
journal= {arXiv preprint arXiv:2106.03455},
year = {2021}
}
备注
Pattern Recognition