[論文レビュー] ISIC 2017 - Skin Lesion Analysis Towards Melanoma Detection

Matt Berseth|arXiv (Cornell University)|Mar 1, 2017

Cutaneous Melanoma Detection and Management参考文献 3被引用数 75

ひとこと要約

本論文は深層 CNN ベースの手法を ISIC 2017 Part 1（病変セグメンテーション）および Part 3（病変分類）に適用し、黒色腫検出の一環として提示します。

ABSTRACT

Our system addresses Part 1, Lesion Segmentation and Part 3, Lesion Classification of the ISIC 2017 challenge. Both algorithms make use of deep convolutional networks to achieve the challenge objective.

研究の動機と目的

• ISIC 2017 Part 1 のセグメンテーションと Part 3 の分類タスクを動機づけ、対処する。
• 皮膚病変をセグメントする深層 CNN ベースのアルゴリズムを開発する。
• 黒色腫検出のための皮膚病変を分類する深層 CNN ベースのアルゴリズムを開発する。

提案手法

• 病変のセグメンテーションに深層畳み込みネットワークを活用する。
• 病変分類に深層畳み込みネットワークを適用する。
• ISIC 2017 Part 1 および Part 3 の課題の両方に対処するシステムを記述する。

実験結果

リサーチクエスチョン

• RQ1 深層 CNN は ISIC 2017 の画像において皮膚病変をいかに効果的にセグメントできるか？
• RQ2 深層 CNN は ISIC 2017 Part 3 において黒色腫検出を支援するために病変を正確に分類できるか？
• RQ3 提案された CNN ベースの手法の ISIC 2017 におけるセグメンテーションと分類タスクの性能はどの程度か？

主な発見

• 病変セグメンテーションのための CNN ベースのアプローチを提案する。
• 病変分類のための CNN ベースのアプローチを提案する。
• セグメンテーションと分類のための ISIC 2017 チャレンジ課題へのシステム適用性を示す。