TopoResNet：一种混合深度学习架构及其在皮肤病变分类中的应用
计算机视觉与模式识别
2019-05-22 v1 图像与视频处理
摘要
皮肤癌是美国最常见的癌症之一。随着技术进步，皮肤病变的算法诊断正变得愈发重要。在本文中，我们开发了用于分割给定皮肤病变图像中实际患病皮肤区域，以及分类给定图像中不同类型皮肤病变的算法。所用算法的核心基于持久同调——一种属于新兴拓扑数据分析（TDA）领域的代数拓扑技术。分割算法利用了类似于持久同调的概念来捕捉分割区域的鲁棒性。对于分类，我们从持久图设计了两类拓扑特征——称之为{\em 持久统计量}（PS）和{\em 持久曲线}（PC），并使用线性支持向量机作为分类器。我们还将那些拓扑特征 PS 和 PC 融入 ResNet-101 模型，称之为{\em TopoResNet-101}，结果表明 PS 和 PC 在两方面有效——提升分类性能并稳定训练过程。尽管卷积特征是 CNN 模型中最重要的学习目标，图像的全局信息可能在训练过程中丢失。由于拓扑特征是全局提取的，我们的结果表明拓扑特征的全局性质为机器学习模型提供了额外信息。
引用
@article{arxiv.1905.08607,
title = {TopoResNet: A hybrid deep learning architecture and its application to skin lesion classification},
author = {Yu-Min Chung and Chuan-Shen Hu and Austin Lawson and Clifford Smyth},
journal= {arXiv preprint arXiv:1905.08607},
year = {2019}
}