[論文レビュー] Automatic Skin Lesion Analysis using Large-scale Dermoscopy Images and Deep Residual Networks

Lei Bi, Jin‐Man Kim+2 more|arXiv (Cornell University)|Mar 12, 2017

Cutaneous Melanoma Detection and Management参考文献 8被引用数 173

ひとこと要約

本論文は、ISIC 2017 challenge において、特にメラノーマ検出のための自動的な皮膚病変解析のために、大規模な皮膚鏡検査画像から堅牢な特徴を学習するために深層残差ネットワーク（ResNets）を使用することを提案する。

ABSTRACT

Malignant melanoma has one of the most rapidly increasing incidences in the world and has a considerable mortality rate. Early diagnosis is particularly important since melanoma can be cured with prompt excision. Dermoscopy images play an important role in the non-invasive early detection of melanoma [1]. However, melanoma detection using human vision alone can be subjective, inaccurate and poorly reproducible even among experienced dermatologists. This is attributed to the challenges in interpreting images with diverse characteristics including lesions of varying sizes and shapes, lesions that may have fuzzy boundaries, different skin colors and the presence of hair [2]. Therefore, the automatic analysis of dermoscopy images is a valuable aid for clinical decision making and for image-based diagnosis to identify diseases such as melanoma [1-4]. Deep residual networks (ResNets) has achieved state-of-the-art results in image classification and detection related problems [5-8]. In this ISIC 2017 skin lesion analysis challenge [9], we propose to exploit the deep ResNets for robust visual features learning and representations.

研究の動機と目的

• 自動的な皮膚鏡検査解析を動機づけ、人間の解釈の主観性とばらつきのために早期のメラノーマ診断を支援する。
• 大規模な皮膚鏡検査データセットを活用して頑健な視覚特徴を学習する。
• 画像ベースの皮膚病変分類と検出を改善するために、深層残差ネットワークを適用する。

提案手法

• 深層残差ネットワーク（ResNets）を利用して皮膚鏡検査画像から頑健な特徴学習を行う。
• 多様な病変特徴を捉えるために、大規模な皮膚鏡検査データセットで訓練する。
• ISIC 2017 challenge の枠組み内でメラノーマの分類/検出性能を向上させることを目指す。

実験結果

リサーチクエスチョン

• RQ1 深層残差ネットワークは、大規模な皮膚鏡検査画像から皮膚病変解析のための頑健な表現を学習できるか？
• RQ2 従来法と比べて、皮膚鏡検査におけるメラノーマ関連の分類/検出性能をResNetsは改善するか？
• RQ3 ISIC 2017 Challenge の設定内でのアプローチの実行性能はどの程度か？

主な発見

• 本手法は、大規模な皮膚鏡検査画像から皮膚病変解析の頑健な特徴を学習するためにResNetsを用いることを示している。
• 本研究は、皮膚鏡検査画像の自動解析を通じたメラノーマ検出を対象とする。
• 本手法はISIC 2017 Challengeでの評価を想定している。
• 本論文は、メラノーマの非侵襲的早期検出に深層学習を活用する方向性の進展を報告している。