Mask2Lesion：掩码约束的对抗性皮肤病变图像合成
图像与视频处理
2019-07-16 v2 计算机视觉与模式识别
摘要
皮肤病变分割是皮肤癌诊断和后续治疗中的一项重要任务。尽管基于深度学习的方法显著提高了分割精度，但这些算法仍然依赖于足够大的数据集才能取得理想的结果。受生成对抗网络（GANs）巨大成功的启发，我们提出了一种基于 GAN 的原始数据集增强方法，以提高分割性能。具体而言，我们利用训练数据集中可用的分割掩码来训练 Mask2Lesion 模型，并使用该模型在给定任意掩码的情况下生成新的病变图像，随后将这些图像用于增强原始训练数据集。我们在 ISBI ISIC 2017 皮肤病变分割挑战赛数据集上测试了 Mask2Lesion 增强，与仅使用经典数据增强技术训练的模型相比，平均 Dice 得分提高了 5.17%。
引用
@article{arxiv.1906.05845,
title = {Mask2Lesion: Mask-Constrained Adversarial Skin Lesion Image Synthesis},
author = {Kumar Abhishek and Ghassan Hamarneh},
journal= {arXiv preprint arXiv:1906.05845},
year = {2019}
}
备注
10 pages, 5 figures