病変ネット  座標畳込みと深い残差ユニットを用いた皮膚病変セグメンテーション【JST・京大機械翻訳】

Nathan Sabari; Kansal Priya

プレプリント

J-GLOBAL ID：202202211989693129 整理番号：22P0221097

病変ネット座標畳込みと深い残差ユニットを用いた皮膚病変セグメンテーション【JST・京大機械翻訳】

Lesion Net -- Skin Lesion Segmentation Using Coordinate Convolution and Deep Residual Units

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年12月28日プレプリントサーバーでの情報更新日： 2020年12月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

皮膚病変セグメンテーションは皮膚黒色腫の自動診断の過程における重要なステップである。しかし,黒色腫皮膚病変を分割する精度は,訓練,不規則な形状,不明瞭な境界,および異なる皮膚色のより少ないデータのために,非常に困難な作業である。提案アプローチは皮膚病変セグメンテーションの精度の改善に役立つ。最初に,入力画像をエンコーダに通過する前に座標畳込み層を導入した。この層は,ネットワークの一般化能力をさらに改善する変換不変性に関連する特徴を決定するネットワークを助ける。第2に,畳み込み層と共に深い残留ユニットの性質を利用した。最後に,交差エントロピーまたはDice損失だけを使用する代わりに,2損失関数を結合して,損失をより速くスムーズに収束するのを助ける訓練計量を最適化した。ISIC 2018(訓練セット+20%,検証セットとして60%)に関する提案モデルの訓練と検証後,ISIC2018(テストセットとして20%)ISIC2017,2016,およびPH2データセットのような様々な他のデータセットに対する訓練モデルのロバスト性を試験した。その結果,提案モデルは既存の皮膚病変セグメンテーション法よりも性能が優れていた。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , 【Automatic Indexing@JST】

医用画像処理 , 腫ようの診断 , 皮膚の腫よう

, , , , , ,

前のページに戻る

病変ネット 座標畳込みと深い残差ユニットを用いた皮膚病変セグメンテーション【JST・京大機械翻訳】

病変ネット座標畳込みと深い残差ユニットを用いた皮膚病変セグメンテーション【JST・京大機械翻訳】