使用多尺度卷积神经网络与领域特定增强的皮肤病变及其属性分割
计算机视觉与模式识别
2019-04-01 v3 机器学习
机器学习
摘要
用于不同类型皮肤病变分类的计算机辅助诊断系统近几十年来一直是活跃的研究领域。已有研究表明，将病变及其属性掩码引入病变分类流程可大幅提升性能。在本文中，我们提出一种通过结合迁移学习来基于卷积神经网络分割病变及其属性的框架。所提框架基于编码器-解码器架构，其在编码路径中利用多种预训练网络，并通过金字塔池化方式在解码路径中结合多尺度信息来生成预测图。为解决训练数据缺乏并提升所提模型的泛化能力，我们应用了一组广泛的新型领域特定增强例程来模拟皮肤镜图像中的真实变化。最后，通过在来自国际皮肤影像协作档案（ISIC2016、ISIC2017 和 ISIC2018 挑战数据集）的三个不同数据集上开展大量实验，我们表明所提方法在 ISIC2016 和 ISIC2017 分割任务上优于其他最先进方法，并在 ISIC2018 属性检测任务排行榜上取得第一。
引用
@article{arxiv.1809.10243,
title = {Segmentation of Skin Lesions and their Attributes Using Multi-Scale Convolutional Neural Networks and Domain Specific Augmentations},
author = {Mostafa Jahanifar and Neda Zamani Tajeddin and Navid Alemi Koohbanani and Ali Gooya and Nasir Rajpoot},
journal= {arXiv preprint arXiv:1809.10243},
year = {2019}
}
备注
18 pages