使用集成、未缩放多裁剪评估与损失加权的皮肤病变诊断
计算机视觉与模式识别
2018-08-07 v1
摘要
在本文中，我们介绍了提交给ISIC 2018皮肤病变诊断挑战赛（任务3）的方法。该数据集包含10000张图像，需由自动化算法区分七个图像级类别。我们为此任务采用了卷积神经网络集成。具体而言，我们对Densenet、SENet和ResNeXt等最先进的预训练深度学习模型进行微调。我们将严重的类别不平衡视为该挑战的关键问题，并考虑了多种平衡方法，如损失加权和平衡批次采样。我们流程的另一个重要特征是使用大量未缩放裁剪块进行评估。最后，我们考虑用于最终预测的元学习方法。我们的团队在挑战赛中排名第二，同时也是仅使用公开数据的最佳方法。
引用
@article{arxiv.1808.01694,
title = {Skin Lesion Diagnosis using Ensembles, Unscaled Multi-Crop Evaluation and Loss Weighting},
author = {Nils Gessert and Thilo Sentker and Frederic Madesta and Rüdiger Schmitz and Helge Kniep and Ivo Baltruschat and René Werner and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1808.01694},
year = {2018}
}
备注
ISIC Skin Image Analysis Workshop and Challenge @ MICCAI 2018. Second place at challenge, best with public data, see https://challenge2018.isic-archive.com/leaderboards/