SkinNet：一种用于皮肤病变分割的深度学习框架
计算机视觉与模式识别
2019-12-04 v1
摘要
全球皮肤癌发病率稳步上升，死亡率高。皮肤病变的早期检测与分割对于及时诊断和治疗至关重要，是提高患者存活率所必需的。然而，由于病变对比度低且其在外观上与健康组织高度相似，皮肤病变分割是一项具有挑战性的任务。这凸显了对准确自动化的皮肤病变分割方法的需求。为解决此问题，我们提出一种称为 SkinNet 的卷积神经网络（CNN）。所提出的 CNN 是 U-Net 的改进版本。我们使用 ISBI 2017 挑战赛数据集将我们的方法与其他最先进（SOTA）技术进行比较。在 5 折交叉验证实验中，基于留出的挑战赛测试数据集评估，我们的方法在 Dice 系数、Jaccard 指数和灵敏度方面优于其他方法。SkinNet 在 DC、JI 和 SE 上分别取得了 85.10%、76.67% 和 93.0% 的平均值。
引用
@article{arxiv.1806.09522,
title = {SkinNet: A Deep Learning Framework for Skin Lesion Segmentation},
author = {Sulaiman Vesal and Nishant Ravikumar and Andreas Maier},
journal= {arXiv preprint arXiv:1806.09522},
year = {2019}
}
备注
2 pages, submitted to NSS/MIC 2018