[论文解读] 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 75

一句话总结

论文提出基于深度卷积神经网络的方法用于 ISIC 2017 第1部分（病变分割）和第3部分（病变分类），作为黑色素瘤检测的一部分。

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.

研究动机与目标

• 激励并解决 ISIC 2017 第1部分分割和第3部分分类任务。
• 开发基于深度CNN的算法来分割皮肤病变。
• 开发基于深度CNN的算法来对皮肤病变进行分类，以实现黑色素瘤检测。

提出的方法

• 利用深度卷积网络进行病变分割。
• 应用深度卷积网络进行病变分类。
• 描述同时解决 ISIC 2017 第1部分和第3部分挑战的系统。

实验结果

研究问题

• RQ1 深度CNN如何在 ISIC 2017 图像中有效分割皮肤病变？
• RQ2 深度CNN是否能够准确对病变进行分类，以帮助在 ISIC 2017 第3部分的黑色素瘤检测？
• RQ3 在 ISIC 2017 内，所提出的基于CNN的方法在分割与分类任务上的性能如何？

主要发现

• 提出基于CNN的病变分割方法。
• 提出基于CNN的病变分类方法。
• 证明该系统可用于 ISIC 2017 挑战中的分割与分类任务。