使用数据合成与深度学习的皮肤癌检测与跟踪

密集目标检测与时序跟踪在从人员跟踪到随时间变化的卫星图像分析等众多应用领域中均有需求。恶性皮肤癌和良性痣的检测与跟踪提出了一个极具挑战性的问题，原因在于大面积皮肤斑块总体上均匀一致，皮肤病变在外观上差异很小，且可用数据量相对较少。在此，我们引入一种新颖的数据合成技术，将单个皮肤病变图像与全身图像融合，并对其进行大量数据增强以生成大量数据。我们构建了一个基于卷积神经网络（CNN）的系统，在该合成数据上进行训练，并展示其性能优于传统的检测与跟踪技术。此外，我们将我们的系统与使用简单标准训练的人类进行了比较。我们的系统旨在用于潜在的临床应用，以增强医疗保健提供者的能力。虽然具有领域特定性，我们相信本工作所采用的方法在将 CNN 应用于受限于数据可用性的各个领域时将是有用的。