使用生成对抗网络分割皮肤病变及其属性
图像与视频处理
2021-02-02 v1 计算机视觉与模式识别
机器学习
摘要
本工作关于使用带条件对抗网络的图像到图像翻译对皮肤病变边界及其属性进行语义分割。黑色素瘤是一种若及时检出便可治愈的皮肤癌。由于皮肤图像存在典型伪影，在皮肤镜图像上的分割是计算机辅助诊断的关键步骤。为减轻图像标注过程，我们提出使用改进的 Pix2Pix 网络。判别器网络学习从真皮图像作为输入到六通道掩膜图像作为输出的映射。类似地，称为 PatchGAN 的判别网络输出在一通道与六输出通道间变化。所用照片来自 2018 ISIC Challenge，其中 500 张照片及其相应语义图按 75% 训练、35% 测试划分。在 100 个训练轮次下，分割图所有属性均获得高 Jaccard 指数。
引用
@article{arxiv.2102.00169,
title = {Segmentation of skin lesions and their attributes using Generative Adversarial Networks},
author = {Cristian Lazo},
journal= {arXiv preprint arXiv:2102.00169},
year = {2021}
}
备注
LatinX in AI Research at NeurIPS 2019