论文阅读(5)利用C-UNet进行皮肤病变分割

2024-01-28 21:10

本文主要是介绍论文阅读(5)利用C-UNet进行皮肤病变分割,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

    • Skin Lesion Segmentation with C-UNet
    • 摘要
    • 1、引言
    • 2、方法
      • 2.1数据集
      • 2.2 C-UNet 结构
      • 2.3 训练
      • 2.4 利用Dice损失函数进行微调
    • 3、结果
    • 4、讨论

Skin Lesion Segmentation with C-UNet

摘要

本文主要是为了解决皮肤病变分割的问题。C-UNet整合了类似Inception卷积模块,循环卷积块和空洞卷积。在用常用的交叉熵损失训练模型后,本文还应用了一种使用Dice损失的微调技术。利用条件随机场用于进一步平滑预测标签图。该模型较于U-Net拥有更好的分割效果和鲁棒性。

1、引言

恶性黑色素瘤是一种常见且具有威胁性的皮肤癌。它是世界上增长最快的癌症之一[1]。虽然目前已有一些先进的治疗方法,如放射治疗和免疫治疗,但晚期黑色素瘤的五年存活率仍低至15%。然而,对于早期黑色素瘤,5年存活率超过95%[3]。这一重大差异突出了黑色素瘤的及时诊断和治疗对患者生存的关键重要性。

恶性黑色素瘤在疾病的早期并不明显,很难通过肉眼观察来诊断。皮肤镜检查是目前早期诊断恶性黑色素瘤的最佳方法,皮肤镜手术也是通过解剖消除恶性黑色素瘤威胁的常用方法。然而,当医生使用皮肤镜图像进行诊断和治疗时,人工检查皮肤镜图像通常非常耗时和主观。因此,计算机辅助诊断(CAD)方法是必要的,可以大大提高诊断的效率和准确性。

皮肤镜图像中对皮肤病变的分割是皮肤病诊断的重要步骤[4][5]。皮肤科医生通过对痣的目视检查,利用临床评估工具如ABCD标准来诊断黑色素瘤,即检查皮损的不对称性、边界、颜色和演变过程[6]。最近,计算机视觉工具被引入,以辅助定量分析皮损。由于深度学习在医学领域的发展,已经有很多人尝试用全自动的方式对皮肤病变进行分割。

近年来,深度学习方法,特别是卷积神经网络(CNN)在医学图像诊断中得到了广泛的应用。完全卷积网络(FCN)[7]是图像分割领域的开创性工作。PSPNet[8]、DeepLab[9]和Mask-RCNN[10]进一步提高了深度神经网络在图像分割任务中的性能。在医学图像分割中,UNET是最流行的网络架构,已被广泛用于各种医学成像模式以及许多分割任务[11]。

本文是基于U-Net的改进。

2、方法

2.1数据集

我们采用ISIC 2018 挑战赛官方训练数据集,其中有2594张皮肤镜图像和相应的病变掩模[12]。我们取三分之二的图像作为训练集,留下三分之一的图像作为测试集。目的是在不同的背景下准确预测三种皮肤病变的二元掩模。病变类型包括痣、脂溢性角化病和黑色素瘤。除了官方的训练集,主办方还提供了100张图片的验证数据集和1000张图片的测试数据集。不过,验证数据集和测试数据集的真实掩模并未提供。参赛者可在比赛结束前在线提交成绩,最终排名以Jaccard指数为准。然而,由于在线提交在比赛结束后关闭,我们无法在官方测试数据集上评估我们的模型,因此无法将我们的结果与排行榜上的顶级结果进行比较。最后的结果是在我们的测试数据集上进行评估的。

由于图片的尺寸不一,我们首先将所有图片的尺寸调整为256×342。我们发现,网络在训练过程中往往偏向于深色区域,病变区域和非病变区域的对比不是很明显。因此,在数据增强中,我们采用直方图均衡法来增强图像的色彩对比度。作为网络的输入,我们将增强后的图像与原始图像相结合,以学习更多的特征。所以每个输入有六个通道。

2.2 C-UNet 结构

该结构修改了U-Net原始结构中的卷积和反卷积模块。
在这里插入图片描述
在这里插入图片描述
RCL为了增强模型综合上下文信息的能力。感觉和DenseNet的思路有点像。

  • 本文采用了后处理操作-CRF来精细化分割结果。

2.3 训练

Adam优化器+batch_size 为8+初始学习率为0.0001,并使用学习率的指数衰减+每一层的卷积使用了p=0.9的dropout方法+训练时的损失函数为交叉熵损失函数,微调时使用Dice 损失函数。

2.4 利用Dice损失函数进行微调

除了使用交叉熵损失进行训练外,我们还应用了Dice finetune技术。也就是说,我们先用常用的交叉熵损失对模型进行训练,当验证损失不再减少后,再用Dice损失对模型进行微调。

该loss函数有0.8的前景Dice loss和0.2的背景Dice loss决定。

3、结果

在这里插入图片描述
利用损失函数的微调得到不错的结果。作者希望能将该策略应用到其他分割 场景下。

4、讨论

下面讨论了一下实验过程中使用的其他技术:

我们用ResNet-101[17]、VGG16[18]等富特征模型代替原来的UNet编码器,并从ImageNet中预先训练好权重,我们只对解码器部分进行微调。与原始 UNet编码器相比,ResNet和VGG应该是在不同分辨率下抽象出复杂的特征。所以我们期望使用这些骨干作为编码器可以在复杂图像上获得更高的性能。但出乎我们意料的是,Jaccard指数急剧下降。同时在UNet损失函数中加入边界权重,也会导致分数略低。

基于检测的模型,如Mask-RCNN也在这个任务上进行了测试。以COCO数据集上预训练的ResNet101为骨干的Mask-RCNN模型在验证数据集上给出了0.65的Jaccard指数。Mask-RCNN最大的挑战之一是如何将小块的预测区域组合成一个大的掩模。我们减少预测区域的数量,并在推理中允许非常低的阈值,以保持非常大的边界框。否则,模型只保留高置信度分数的小区域。然后使用非最大抑制(NMS)将所有的边界框合并成一个大的边界框。在大多数图像中,其性能与普通的UNet相似,但在具有挑战性的图像中合并预测区域时,仍会遇到困难。

通过本文学习到了一些优秀的模型结构设计。

这篇关于论文阅读(5)利用C-UNet进行皮肤病变分割的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/654781

相关文章

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Python使用date模块进行日期处理的终极指南

《Python使用date模块进行日期处理的终极指南》在处理与时间相关的数据时,Python的date模块是开发者最趁手的工具之一,本文将用通俗的语言,结合真实案例,带您掌握date模块的六大核心功能... 目录引言一、date模块的核心功能1.1 日期表示1.2 日期计算1.3 日期比较二、六大常用方法详

Python使用DrissionPage中ChromiumPage进行自动化网页操作

《Python使用DrissionPage中ChromiumPage进行自动化网页操作》DrissionPage作为一款轻量级且功能强大的浏览器自动化库,为开发者提供了丰富的功能支持,本文将使用Dri... 目录前言一、ChromiumPage基础操作1.初始化Drission 和 ChromiumPage

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

Jackson库进行JSON 序列化时遇到了无限递归(Infinite Recursion)的问题及解决方案

《Jackson库进行JSON序列化时遇到了无限递归(InfiniteRecursion)的问题及解决方案》使用Jackson库进行JSON序列化时遇到了无限递归(InfiniteRecursi... 目录解决方案‌1. 使用 @jsonIgnore 忽略一个方向的引用2. 使用 @JsonManagedR

使用Folium在Python中进行地图可视化的操作指南

《使用Folium在Python中进行地图可视化的操作指南》在数据分析和可视化领域,地图可视化是一项非常重要的技能,它能够帮助我们更直观地理解和展示地理空间数据,Folium是一个基于Python的地... 目录引言一、Folium简介与安装1. Folium简介2. 安装Folium二、基础使用1. 创建

Nginx如何进行流量按比例转发

《Nginx如何进行流量按比例转发》Nginx可以借助split_clients指令或通过weight参数以及Lua脚本实现流量按比例转发,下面小编就为大家介绍一下两种方式具体的操作步骤吧... 目录方式一:借助split_clients指令1. 配置split_clients2. 配置后端服务器组3. 配

Python使用DeepSeek进行联网搜索功能详解

《Python使用DeepSeek进行联网搜索功能详解》Python作为一种非常流行的编程语言,结合DeepSeek这一高性能的深度学习工具包,可以方便地处理各种深度学习任务,本文将介绍一下如何使用P... 目录一、环境准备与依赖安装二、DeepSeek简介三、联网搜索与数据集准备四、实践示例:图像分类1.

Go使用pprof进行CPU,内存和阻塞情况分析

《Go使用pprof进行CPU,内存和阻塞情况分析》Go语言提供了强大的pprof工具,用于分析CPU、内存、Goroutine阻塞等性能问题,帮助开发者优化程序,提高运行效率,下面我们就来深入了解下... 目录1. pprof 介绍2. 快速上手:启用 pprof3. CPU Profiling:分析 C