面向深度学习自动化黑色素瘤检测：数据净化与增强
计算机视觉与模式识别
2019-05-16 v2
摘要
黑色素瘤是美国十大最常见癌症之一。早期检测对存活至关重要，但该癌症常在致命阶段才被诊断。深度学习有潜力提高癌症检测率，但其对黑色素瘤检测的适用性受到现有皮肤病变数据库局限性的损害：这些数据库规模小、严重不平衡且包含有遮挡的图像。我们构建了基于深度学习的数据净化与增强工具以抵消这些局限。所开发的工具可用于基于深度学习的病变分类系统，并展示了如何构建此类系统。该系统严重依赖用于去除图像遮挡的处理单元，以及基于生成对抗网络（GAN）的数据生成单元，用于填充稀缺的病变类别，或等效地创建具有预定义类型病变的虚拟患者。我们通过实验验证了该方法，并表明将这两个单元纳入黑色素瘤检测系统可取得优于常见基线的性能。
引用
@article{arxiv.1902.06061,
title = {Towards Automated Melanoma Detection with Deep Learning: Data Purification and Augmentation},
author = {Devansh Bisla and Anna Choromanska and Jennifer A. Stein and David Polsky and Russell Berman},
journal= {arXiv preprint arXiv:1902.06061},
year = {2019}
}
备注
Accepted to CVPR ISIC Workshop - 2019