图像前处理与后处理、小波分解及局部二值模式对用于皮肤病变分割的 U-Net 的影响
计算机视觉与模式识别
2018-05-15 v1 机器学习
医学物理
摘要
皮肤癌是一种广泛、全球性的潜在致命疾病，在过去三十年中，其在美国折磨的生命比所有其他癌症形式的总和还多。近期许多利用深度网络架构（如 FCN、U-Net 和 ResNet）开发自动化皮肤病变分割的工作颇具前景。本文研究了各种前处理与后处理技术，以按 Jaccard 指数衡量的方式提升 U-Net 的性能。作为“2017 ISBI 皮肤病变分析朝向黑色素瘤检测挑战赛”一部分提供的数据集被用于此评估，且决赛选手的性能作为比较标准。所提系统中采用的前处理技术包括对比度增强、伪影去除和渐晕校正。更先进的图像变换，如局部二值模式和小波分解，亦被用以增强作为网络输入特征的原始灰度图像。尽管所提系统的性能未及挑战赛优胜者，但确定将小波分解用作早期变换步骤较仅用前处理与后处理步骤提升了系统整体性能。
引用
@article{arxiv.1805.05239,
title = {The Effects of Image Pre- and Post-Processing, Wavelet Decomposition, and Local Binary Patterns on U-Nets for Skin Lesion Segmentation},
author = {Sara Ross-Howe and H. R. Tizhoosh},
journal= {arXiv preprint arXiv:1805.05239},
year = {2018}
}
备注
Accepted for publication in proceedings of the IEEE World Congress on Computational Intelligence (IEEE WCCI), Rio de Janeiro, Brazil, 8-3 July, 2018