在卷积神经网络中利用自适应颜色增强进行深度皮肤病变分割
计算机视觉与模式识别
2020-11-03 v1
摘要
皮肤镜图像中皮肤病变的全自动检测可促进恶性黑色素瘤与非黑色素瘤皮肤癌的早期诊断与抑制。尽管卷积神经网络是一种强有力的解决方案，但它们受限于已标注皮肤镜筛查图像的照明光谱，其中颜色是一项重要的判别特征。在本文中，我们提出一种自适应颜色增强技术，以放大数据表达与模型性能，同时调节色差与饱和度以最小化使用合成数据的风险。通过深度可视化，我们定性识别并验证了网络所学习的用于区分皮肤病变与正常皮肤组织的语义结构特征。整体系统在 ISIC 2018 测试集上实现分割 Dice 系数 0.891，灵敏度 0.943，特异度 0.932。
引用
@article{arxiv.2011.00148,
title = {Leveraging Adaptive Color Augmentation in Convolutional Neural Networks for Deep Skin Lesion Segmentation},
author = {Anindo Saha and Prem Prasad and Abdullah Thabit},
journal= {arXiv preprint arXiv:2011.00148},
year = {2020}
}
备注
Accepted to 2020 17th IEEE International Symposium on Biomedical Imaging (ISBI) [oral presentation]