[论文解读] Skin lesion segmentation based on preprocessing, thresholding and neural networks

Juana M. Gutiérrez-Arriola, Marta Gómez-Álvarez+3 more|arXiv (Cornell University)|Mar 15, 2017

Cutaneous Melanoma Detection and Management参考文献 2被引用 7

一句话总结

本文针对ISIC 2017挑战赛提出了一种皮肤病变分割方法，结合了预处理、阈值化和神经网络技术。该方法评估了RGB、YCbCr和HSV色彩空间的表现，针对每个通道选择最优预处理方式，并利用训练好的神经网络预测Jaccard指数以指导病变分割；选择表现最佳的通道进行最终分割，若初始Jaccard分数低于0.5则应用形态学操作，从而在无需专用去毛发处理的情况下实现稳健的性能表现。

ABSTRACT

This abstract describes the segmentation system used to participate in the challenge ISIC 2017: Skin Lesion Analysis Towards Melanoma Detection. Several preprocessing techniques have been tested for three color representations (RGB, YCbCr and HSV) of 392 images. Results have been used to choose the better preprocessing for each channel. In each case a neural network is trained to predict the Jaccard Index based on object characteristics. The system includes black frames and reference circle detection algorithms but no special treatment is done for hair removal. Segmentation is performed in two steps first the best channel to be segmented is chosen by selecting the best neural network output. If this output does not predict a Jaccard Index over 0.5 a more aggressive preprocessing is performed using open and close morphological operations and the segmentation of the channel that obtains the best output from the neural networks is selected as the lesion.

研究动机与目标

• 为ISIC 2017挑战赛开发一种稳健的皮肤病变分割系统。
• 评估不同色彩表示（RGB、YCbCr、HSV）对病变分割性能的影响。
• 为每个色彩通道选择最优的预处理技术，以提升分割精度。
• 利用神经网络通过Jaccard指数预测分割质量，指导通道选择。
• 通过形态学操作提升分割鲁棒性，尤其在初始预测表现不佳时。

提出的方法

• 该方法在392张图像上评估了三种色彩空间（RGB、YCbCr、HSV）中的预处理技术。
• 针对每个色彩通道，基于其在增强病变对比度和可分性方面的表现选择最优预处理方式。
• 为每个通道训练一个神经网络，利用病变目标特征作为输入，预测Jaccard指数。
• 系统选择预测Jaccard指数最高的通道用于最终分割。
• 若预测的Jaccard指数低于0.5，则应用形态学操作（开运算与闭运算）以改善分割结果，并重新评估。
• 系统包含黑框和参考圆检测功能，但未实现专用的去毛发处理。

实验结果

研究问题

• RQ1 在RGB、YCbCr、HSV三种色彩空间中，哪一种能为皮肤病变分割提供最有效的预处理？
• RQ2 不同预处理技术对各色彩通道中病变分割精度的影响如何？
• RQ3 能否通过在病变目标特征上训练的神经网络可靠地预测基于Jaccard指数的分割质量？
• RQ4 当初始神经网络预测结果较差时，应用形态学操作是否能改善分割效果？
• RQ5 缺乏专用去毛发处理对整体分割性能有何影响？

主要发现

• 在所测试的色彩表示中，采用优化预处理的YCbCr色彩空间取得了最佳的分割性能。
• 基于病变目标特征训练的神经网络能够成功预测Jaccard指数，从而实现对分割通道的有效选择。
• 当初始Jaccard预测值低于0.5时，对最合适的通道应用形态学操作可显著改善分割结果。
• 该系统在无需专用去毛发技术的情况下实现了稳健的分割性能，主要依赖于预处理与后处理策略。
• 最终的分割方法基于预测的最高Jaccard指数选定，充分验证了该混合方法的有效性。