LesionNet 医疗图像分割网络模型实现皮肤病灶分割

传统的皮肤病灶分析主要方法是基于阈值、区域、融合与变形模型实现医疗图像分割，但是自从深度学习的图像分割方式出现以后，对比传统方式的医学图像分割算法，深度学习图像分割方法更加有效与稳定，本文作者提出了一个种新的深度学习医学图像分割模型，主要有以下三个方面的改进：

1. 在输入图像编码之前使用CoordConv层

2. 使用深度残差结构提取细节信息以达到更好的边缘分割效果

3. 自定义损失函数功能采用Dice Loss与交叉熵损失均值

从而使有能力学习丰富的层次信息跟纹理信息，在ISIC 2018, ISIC 2107, ISIC 2016 and PH2四个数据集上模型都达到了稳定效果。

01

CoordConv卷积层

CoordConv卷积层来自2018年的一篇论文提出的一个新的卷积层结构，表示如下：

深度残差Block块结构

整个模型结构如下：

02

训练与测试

自定义的损失函数如下：

模型训练与测试结果：

测试结果

相关论文：

https://arxiv.org/pdf/1807.03247v2.pdf
https://arxiv.org/ftp/arxiv/papers/2012/2012.14249.pdf