皮肤病图像分割

前言：最近看了几篇关于皮肤病图像分割的论文，遂来总结一下所涉及到的重要方法。

1：Automated Melanoma Recognition in Dermoscopy Images via Very Deep Residual Networks（**通过深度残差网络自动

识别皮肤镜图像中的黑色素瘤**）论文下载链接：https://ieeexplore.ieee.org/document/7792699

核心思想：构建两个超过50层的深度网络，一是用FCRN（Fully convolutional residual network）来做黑色素瘤的分割，本

来FCRN是用来做分类的，这篇文章将原来的下采样改为了上采样，又用反卷积代替上采样，使得输出图像与原始图像大小相

等，因为分类中采用了下采样使得输出结果变为了一维向量。FCRN这个网络的创新点在于构建残差块，讲解FCRN论文链接

https://arxiv.org/abs/1512.03385：有一位博主翻译了这篇文章，我看了之后感觉特别棒，附上链接：

https://blog.csdn.net/wspba/article/details/57074389 。

二是用DRN（deep residual network）网络来分类，这一步以分割结果作为输入图像，减少预处理步骤。该网络结构的变化

是用7*7的平均下采样紧跟残差块来提取全局深度残差特征。并取两个分类器（Softmax classifier和SVM）的平均来获得最终结

果。

结果分析：该论文使用的是matlab和C++联调，基于caffe库。使用的数据集则是ISBI2016上的黑色素瘤的皮肤镜图像。分割

结果与同年的28个团队比较获得了第二名；分类结果则在AC（准确率）和AP（平均准确率）标准上获得了第一。并且还

比较了有无分割这个步骤给分类带来的结果，结果说明，分割步骤给分类结果带来了极大的好处。

2：Automated Skin Lesion Segmentation via Image-wise Supervised Learning and Multi-Scale Superpixel Based Cellular

Automata（基于图像监督学习和基于元胞自动机的多尺度超像素的皮肤病的自动分割）论文下载链接：

http://www.it.usyd.edu.au/~lebi8696/publications/lei-ISBI2016_SuperpixelCA.pdf 这篇文章使用的方法是：首先对皮肤镜图像进

行毛发去除预处理，这个步骤我用matlab实现过，主要是使用与毛发相邻的像素（掩模）来代替毛发的像素，其次使用超像素对

预处理后的皮肤镜图像进行预分割，（使用超像素来进行图像分割可以看一下这篇文章

http://moodle.insarouen.fr/pluginfile.php/73635/mod_folder/content/0/FastMarchingGeneralisee.pdf?forcedownload=1，还用这

篇将元胞自动机多尺度显著性检测的文章也不错：http://xueshu.baidu.com/usercenter/paper/show?paperid=731ecee16795a62b1bc84c9b87912166&site=xueshu_se）

后使用kmeas算法对相似性超像素进行分类，最后使用cellular Automata来进行迭代得出最后的分割结果。

3：Automatic psoriasis lesion segmentation in two-dimensional skin images using multiscale superpixel clustering（使用多尺度超像素聚类在二维皮肤图像中进行牛皮藓病变图像自动分割）论文链接：

http://xueshu.baidu.com/usercenter/paper/show?paperid=703aa16a1725a9d4d57c01aa87c93647&site=xueshu_se

这篇文章与”2“论文使用的方法相似，不一样的”2“使用元胞自动机来获得最后的分割结果，而”3“这篇论文使用的是图像融合技术

来得出最后的分割结果，相对于”2“来说，”3“这篇文章的结果更好一些，值得细读。

总结：”1“用的是深度学习，”2“和”3“用的是机器学习，各有千秋，由于本人目前所学知识尚浅，2、3的方法略实现了一些，1的

方法目前还是学习ing，如上如有不恰当之处，还请各位大佬赐教。

最后：博主曾想过用显著性检测来进行图像分割，所以额外看了这篇文章：https://arxiv.org/pdf/1608.05186.pdf 也是一篇不错的论文，各位有兴趣的可以去看一下，今天暂时写到这，后面若有高质量的论文，必来更新。