基于多尺度密集块网络的皮肤病变图像分割算法 
下载： 1015次
Skin Lesion Image Segmentation Algorithm Based on Multi-Scale DenseNet
江西理工大学电气工程与自动化学院, 江西 赣州 341000
图 & 表
图 1. DenseNet的密集连接机制
Fig. 1. Dense connection mechanism of DenseNet
下载图片 查看原文
图 2. 基于多尺度密集块网络的皮肤病变图像分割算法的流程图
Fig. 2. Flow chat of skin lesion image segmentation algorithm based on MSDN
下载图片 查看原文
图 3. 结构示意图。(a) PMBS1模块;(b) PMBS2模块
Fig. 3. Structural diagram. (a) PMBS1 module; (b) PMBS2 module
下载图片 查看原文
图 4. 金字塔池化模型的网络结构
Fig. 4. Network structure of pyramid pooling model
下载图片 查看原文
图 5. MSDN的结构示意图
Fig. 5. Architecture of MSDN
下载图片 查看原文
图 6. ISBI 2016数据集中皮肤镜像图像的特征
Fig. 6. Features of skin lesion images in ISBI 2016 dataset
下载图片 查看原文
图 7. 图像预处理过程。(a)原始病变图像;(b)形态学闭操作去除的伪影;(c)平滑后的图像;(d)经非锐化滤波卷积操作后的图像
Fig. 7. Image pre-processing. (a) Original lesion image; (b) outcome of closing morphological operation for artifacts removal; (c) resultant smooth image; (d) sharp image after convolution of un-sharped filter
下载图片 查看原文
图 8. 不同算法的分割结果。(a)输入图像;(b)标签;(c) MSDN分割结果;(d) U-Net分割结果;(e) FCN分割结果
Fig. 8. Segmentation results using different algorithms. (a) Input images; (b) labels; (c) results by MSDN; (d) results by U-Net; (e) results by FCN
下载图片 查看原文
表 1对比实验的结果
Table1. Results of comparative experiments
| (α, β, γ) | Acc /% | Dic /% | Jac /% | Sen /% | Spe /% |
|---|
| (0.6, 0.4, 0.3) | 94.19 | 93.21 | 89.30 | 88.08 | 96.12 | | (0.7, 0.3, 0.7) | 94.31 | 93.93 | 89.26 | 89.53 | 96.32 | | (0.8, 0.2, 0.5) | 93.87 | 92.68 | 89.16 | 90.23 | 95.44 | | (0.9, 0.1, 0.6) | 93.07 | 92.03 | 88.69 | 88.12 | 95.63 | | (0.7, 0.3, 0.5) | 95.48 | 96.37 | 93.41 | 92.93 | 96.49 |
|
查看原文
表 2不同条件下MSDN在ISBI 2016数据集上的评估结果
Table2. Performance evaluation of MSDN in ISBI 2016 dataset under different conditions
| Experiment | Acc /% | Dic /% | Jac /% | Sen /% | Spe /% |
|---|
| MSDN-PPB | 94.50 | 94.30 | 92.11 | 92.66 | 95.50 | | MSDN-LTotal | 95.32 | 92.90 | 89.13 | 89.00 | 96.48 | | MSDN | 95.48 | 96.37 | 93.41 | 92.93 | 96.49 |
|
查看原文
表 3不同模型在ISBI 2016皮肤病变数据集上的分割结果
Table3. Performance comparison of segmentation results in ISIB 2016 dataset
| Method | Acc /% | Dic /% | Jac /% | Sen /% | Spe /% |
|---|
| EXB | 95.30 | 91.00 | 84.30 | 91.00 | 96.50 | | CUMED | 94.90 | 89.70 | 82.90 | 91.10 | 95.70 | | Mahudur | 95.20 | 89.50 | 82.20 | 88.00 | 96.90 | | SFU-mial | 94.40 | 88.50 | 81.10 | 91.50 | 95.50 | | TMUteam | 94.60 | 88.80 | 81.00 | 83.20 | 98.70 | | FCN | 94.13 | 88.64 | 81.37 | 91.70 | 94.90 | | MFCN[14] | 95.51 | 91.18 | 84.64 | 92.17 | 96.54 | | J-FCN[15] | 95.50 | 91.20 | 84.70 | 91.80 | 96.60 | | SSLS[16] | 84.67 | 69.97 | 57.20 | 70.04 | 97.31 | | MSDN | 95.48 | 96.37 | 93.41 | 92.93 | 96.49 |
|
查看原文
杨国亮, 赖振东, 王杨. 基于多尺度密集块网络的皮肤病变图像分割算法[J]. 激光与光电子学进展, 2020, 57(18): 181020. Guoliang Yang, Zhendong Lai, Yang Wang. Skin Lesion Image Segmentation Algorithm Based on Multi-Scale DenseNet[J]. Laser & Optoelectronics Progress, 2020, 57(18): 181020.
PDF全文
