SLP-Net:An efficient lightweight network for segmentation of skin lesions

要約

メラノーマの迅速な治療は極めて重要である。我々は、医師が病変部位を迅速に正確に特定することを支援するために、スパイク神経P(SNP)システム型のメカニズムに基づく超軽量セグメンテーションネットワークである、新しい皮膚病変セグメンテーション技術、すなわちSLP-Netを提案する。既存の畳み込みニューラルネットワークの多くは、高いセグメンテーション精度を達成する一方で、高いハードウェアコストを無視している。一方、SLP-Netは、非常に少ないパラメータ数と高い計算速度を持つ。我々は、通常のエンコーダ・デコーダ構造を持たない、軽量なマルチスケール特徴抽出器を設計する。デコーダの代わりに特徴適応モジュールを設計し、マルチスケール情報の復号化を実装する。ISIC2018チャレンジでの実験により、提案モデルが最先端の手法の中で最も高いAccとDSCを持つことが実証され、PH2データセットでの実験でも良好な汎化能力が実証された。最後に、実験におけるモデルの計算量と計算速度を比較し、SLP-Netが総合的に最も優れていることを示す。

要約(オリジナル)

Prompt treatment for melanoma is crucial. To assist physicians in identifying lesion areas precisely in a quick manner, we propose a novel skin lesion segmentation technique namely SLP-Net, an ultra-lightweight segmentation network based on the spiking neural P(SNP) systems type mechanism. Most existing convolutional neural networks achieve high segmentation accuracy while neglecting the high hardware cost. SLP-Net, on the contrary, has a very small number of parameters and a high computation speed. We design a lightweight multi-scale feature extractor without the usual encoder-decoder structure. Rather than a decoder, a feature adaptation module is designed to replace it and implement multi-scale information decoding. Experiments at the ISIC2018 challenge demonstrate that the proposed model has the highest Acc and DSC among the state-of-the-art methods, while experiments on the PH2 dataset also demonstrate a favorable generalization ability. Finally, we compare the computational complexity as well as the computational speed of the models in experiments, where SLP-Net has the highest overall superiority

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL