Automated skin lesion segmentation using multi-scale feature extraction scheme and dual-attention mechanism

要約

皮膚がんの診断には，皮膚内視鏡画像から皮膚病変を抽出することが不可欠である．しかし，背景と病変のコントラストが低いこと，画像のアーチファクト，病変の境界が不明瞭であることなどから，これらの病変の自動セグメンテーションは複雑である．本研究では，皮膚鏡画像から皮膚病変をセグメンテーションするためのディープラーニングモデルを提案する．皮膚病変の特徴の課題に対処するために、我々は、識別的な特徴を抽出するためのマルチスケール特徴抽出モジュールを設計した。さらに本研究では、アップサンプル後の特徴量とエンコーダによって抽出された特徴量を改良するために、2つの注意機構を開発した。このモデルをISIC2018とISBI2017のデータセットを用いて評価した．提案モデルは2つのコンペティションにおいて、全ての既存作品と上位のモデルを凌駕した。

要約(オリジナル)

Segmenting skin lesions from dermoscopic images is essential for diagnosing skin cancer. But the automatic segmentation of these lesions is complicated due to the poor contrast between the background and the lesion, image artifacts, and unclear lesion boundaries. In this work, we present a deep learning model for the segmentation of skin lesions from dermoscopic images. To deal with the challenges of skin lesion characteristics, we designed a multi-scale feature extraction module for extracting the discriminative features. Further in this work, two attention mechanisms are developed to refine the post-upsampled features and the features extracted by the encoder. This model is evaluated using the ISIC2018 and ISBI2017 datasets. The proposed model outperformed all the existing works and the top-ranked models in two competitions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL