DONet: Dual Objective Networks for Skin Lesion Segmentation

论文链接：http://xxx.itp.ac.cn/abs/2008.07861

表现SOTA！性能优于FTL、FocusNet和DSL等网络，已收录于医学图像顶刊IEEE TMI 2020！代码即将开源！作者单位：西安交通大学, 悉尼科技大学

皮肤病变分割是皮肤镜图像计算机辅助诊断的关键步骤。在最近几年中，基于深度学习的语义分割方法显著提高了皮肤病变分割结果。然而，由于一些挑战性因素，例如病变范围的多样性大以及病变区域与背景之间的模棱两可，当前的性能仍然不能令人满意。在本文中，我们提出了一个简单而有效的框架，称为双目标网络（DONet），以改善皮肤病变分割。我们的DONet采用两个对称解码器来产生不同的预测，以接近不同的目标。具体而言，这两个目标实际上是由不同的损失函数定义的。以这种方式，鼓励两个解码器产生差分概率图以匹配不同的优化目标，从而相应地产生互补的预测。通过这两个目标获得的补充信息将进一步汇总在一起，以做出最终预测，从而可以显著减轻分割图中存在的不确定性。此外，为了解决皮肤镜图像中多种病变尺度和形状的挑战，我们还提出了一种循环上下文编码模块（RCEM），以对皮肤病变之间的复杂相关性进行建模，其中具有不同尺度上下文的特征被有效地整合以形成更可靠的表示。在两个流行基准上的大量实验很好地证明了所提出的DONet的有效性。特别是，我们的DONet在ISIC 2018和ph2上分别获得0.881和0.931的dice得分。

内容中包含的图片若涉及版权问题，请及时与我们联系删除