[论文解读] LesionSeg: Semantic segmentation of skin lesions using Deep Convolutional Neural Network

Dhanesh Ramachandram, Terrance DeVries|arXiv (Cornell University)|Mar 9, 2017

Cutaneous Melanoma Detection and Management被引用 6

一句话总结

LesionSeg 提出了一种完全卷积的神经网络，结合空洞卷积、1×1 的网络内网络层以及子像素上采样，用于皮肤病变在皮肤镜图像中的语义分割。该模型在小规模数据集上从零开始端到端训练，于 ISIC 2017 验证集上取得了 0.642 的 IOU 分数，展现出在肤色、光照条件和伪影等复杂现实变化下的鲁棒性能。

ABSTRACT

We present a method for skin lesion segmentation for the ISIC 2017 Skin Lesion Segmentation Challenge. Our approach is based on a Fully Convolutional Network architecture which is trained end to end, from scratch, on a limited dataset. Our semantic segmentation architecture utilizes several recent innovations in particularly in the combined use of (i) use of atrous convolutions to increase the effective field of view of the network's receptive field without increasing the number of parameters, (ii) the use of network-in-network $1\ imes1$ convolution layers to add capacity to the network and (iii) state-of-art super-resolution upsampling of predictions using subpixel CNN layers. We reported a mean IOU score of 0.642 on the validation set provided by the organisers.

研究动机与目标

• 开发一种鲁棒的、端到端的深度学习方法，用于皮肤镜图像中皮肤病变的语义分割。
• 解决肤色差异、光照不均、毛发遮挡以及病变与背景对比度低等挑战。
• 通过直接从数据中学习特征，消除对手工设计预处理和后处理流程的依赖。
• 通过网络结构创新，在小样本数据上实现高精度分割。
• 通过子像素卷积层实现超分辨率上采样，替代标准插值方法，提升预测分辨率。

提出的方法

• 网络采用完全卷积架构，包含 2D 卷积、批量归一化和 ReLU 激活函数。
• 在最后几层块中应用空洞（扩张）卷积，膨胀率设为 2，以扩大感受野而不增加参数量。
• 插入 1×1 卷积层以提升网络容量和模型复杂度，同时不增加参数数量。
• 使用子像素卷积层进行超分辨率上采样，替代双线性插值，以提高空间精度。
• 数据增强包括随机 90 度旋转和翻转，以及训练期间的图像标准化。
• 采用 Adam 优化器，使用像素级交叉熵损失函数进行训练，并基于 IOU 指标实施早停策略。

实验结果

研究问题

• RQ1 一个从零开始端到端训练的全卷积网络，能否在有限训练数据下实现皮肤病变分割的高性能？
• RQ2 空洞卷积在不增加模型复杂度的前提下，能否有效捕捉上下文信息以提升病变分割性能？
• RQ3 与标准插值方法相比，使用子像素卷积层进行上采样是否能提升分割精度？
• RQ4 1×1 卷积层在轻量化分割网络中，能在多大程度上增强特征表示能力？
• RQ5 该模型在不同图像分辨率及存在毛发和标记等挑战性成像条件下的泛化能力如何？

主要发现

• 该模型在 ISIC 2017 验证集上取得了 0.642 的平均交并比（IOU）分数。
• 空洞卷积有效扩大了感受野，提升了上下文建模能力，且未增加参数量。
• 子像素卷积层相比双线性上采样产生了更优的超分辨率结果，提升了空间精度。
• 1×1 卷积的引入在不增加计算成本的前提下增强了网络容量并改善了特征表示。
• 通过随机旋转和翻转的数据增强策略，提升了模型的泛化能力与对方向变化的鲁棒性。
• 后处理采用形态学开运算与双三次插值，有效减少了虚假分割错误，提升了掩码质量。