LesionNet 医疗图像分割网络模型实现皮肤病灶分割

Posted OpenCV学堂

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了LesionNet 医疗图像分割网络模型实现皮肤病灶分割相关的知识,希望对你有一定的参考价值。

关注获取更多计算机视觉与深度学习知识

概述

传统的皮肤病灶分析主要方法是基于阈值、区域、融合与变形模型实现医疗图像分割,但是自从深度学习的图像分割方式出现以后,对比传统方式的医学图像分割算法,深度学习图像分割方法更加有效与稳定,本文作者提出了一个种新的深度学习医学图像分割模型,主要有以下三个方面的改进:

1. 在输入图像编码之前使用CoordConv层

2. 使用深度残差结构提取细节信息以达到更好的边缘分割效果

3. 自定义损失函数功能采用Dice Loss与交叉熵损失均值

从而使有能力学习丰富的层次信息跟纹理信息,在ISIC 2018, ISIC 2107, ISIC 2016 and PH2四个数据集上模型都达到了稳定效果。

LesionNet 医疗图像分割网络模型实现皮肤病灶分割

01

CoordConv卷积层

CoordConv卷积层来自2018年的一篇论文提出的一个新的卷积层结构,表示如下:

LesionNet 医疗图像分割网络模型实现皮肤病灶分割

LesionNet 医疗图像分割网络模型实现皮肤病灶分割

深度残差Block块结构

LesionNet 医疗图像分割网络模型实现皮肤病灶分割

整个模型结构如下:

LesionNet 医疗图像分割网络模型实现皮肤病灶分割

02

训练与测试

自定义的损失函数如下:

LesionNet 医疗图像分割网络模型实现皮肤病灶分割

模型训练与测试结果:

LesionNet 医疗图像分割网络模型实现皮肤病灶分割

测试结果

相关论文:

https://arxiv.org/pdf/1807.03247v2.pdfhttps://arxiv.org/ftp/arxiv/papers/2012/2012.14249.pdf


天下难事,必作于易

天下大事,必作于细


 推荐阅读 









以上是关于LesionNet 医疗图像分割网络模型实现皮肤病灶分割的主要内容,如果未能解决你的问题,请参考以下文章

MATLAB深度学习采用 Deeplab v3+ 实现全景分割

高精度轻量级图像分割SOTA模型PP-LiteSeg开源

高精度轻量级图像分割SOTA模型PP-LiteSeg开源

论文笔记图像分割和图像配准联合学习模型——DeepAtlas

Keras深度学习实战(18)——语义分割详解

基于显著性目标检测的非特定类别图像分割实现以及部署过程(附源码+数据集)