Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Heavy-Duty Engines 2025 | 18. + 19. November 2025

Nutzfahrzeuge | Land- und Baumaschinen | Marine

Nehmen Sie als Referent an der 20. Internationalen MTZ-Fachtagung für Erfahrungsaustausch zu Industrie- und Nfz-Motoren teil. Reichen Sie online einen Themenvorschlag ein!
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

CSR U-Net: A Novel Approach for Enhanced Skin Cancer Lesion Image Segmentation

verfasst von : V. Chakkarapani, S. Poornapushpakala

Erschienen in: Advances in Data-Driven Computing and Intelligent Systems

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Early detection is very critical step in skin cancer diagnosis and treatment. This paper introduces a novel deep learning approach for skin cancer lesion image segmentation model, CSR U-Net: Channel–Spatial Regularized U-Net. The proposed model focuses on both channel attention and spatial attention with additional optimized regularization methods to prevent model overfitting. The paper discusses the implementation of U-Net, Attention U-Net, Residual U-Net models, and CSR U-Net and also compares the results. The segmentation task often has challenges due to variations in skin tones, quality of the image, variations in the lesion, noise, class imbalance, and boundary delineation. This research aims to create a better high performing model CSR U-Net that over comes the above-said challenges.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Implementation of Vision Transformers on SPECT Heart Dataset: A Comparative Study
Nächstes Kapitel Automatic Detection and Classification System for Mesothelioma Cancer Using Deep Learning Models with HPO
Literatur
1.
SM J, P M, Aravindan C, Appavu R (2023) Classification of skin cancer from dermoscopic images using deep neural network architectures. Multimedia Tools Appl 82(10):15763–15778
2.
Alenezi F, Armghan A, Polat K (2023) A novel multi-task learning network based on melanoma segmentation and classification with skin lesion images. Diagnostics 13(2):262CrossRef
3.
Dimililer K, Sekeroglu B (2023) Skin lesion classification using CNN-based transfer learning model. Gazi Univ J Sci 36(2):660–673CrossRef
4.
Tschandl P, Rosendahl C, Kittler H (2018) The HAM10000 dataset, a large collection of multisource dermatoscopic images of common pigmented skin lesions. Scientific Data 5:180161CrossRef
5.
Thaajwer MA, Ishanka UP (2020) Melanoma skin cancer detection using image processing and machine learning techniques. In: 2020 2nd international conference on advancements in computing (ICAC). IEEE, Malabe, pp 363–368
6.
Thomas SM, Lefevre JG, Baxter G, Hamilton NA (2021) Interpretable deep learning systems for multi-class segmentation and classification of non-melanoma skin cancer. Med Image Anal 68:101915CrossRef
7.
Ronneberger O, Fischer P, Brox T (2015) U-Net: convolutional networks for biomedical image segmentation. In: Navab N, Hornegger J, Wells W, Frangi A (eds) MICCAI 2015, LNCS, vol 9351. Springer International Publishing, Cham, pp 234–241
8.
Le PT, Tran DQ, Nguyen HQ (2022) Mobile antialiasing attention u-net for medical image segmentation. J Med Imaging Health Inform 12(2):1–9
9.
Lee MC, Wang SY, Pan CT, Chien MY, Li WM, Xu JH, Luo CH, Shiue YL (2023) Development of deep learning with RDA U-Net network for bladder cancer segmentation. Cancers 15(4):1343CrossRef
10.
Ghodhbani G, Sahnoun M, Kallel F, Siarry P (2022) U-NET Architecture for automatic MS lesions segmentation using MR images. In: 2022 6th international conference on advanced technologies for signal and image processing (ATSIP). IEEE, Sfax, pp 1–5
11.
Hong Z, Xi H, Hu W, Wang Q, Wang J, Luo L, Zhan X, Wang Y, Chen J, Chen L (2022) Multi-attentional u-net for medical image segmentation. In: 2022 2nd international symposium on artificial intelligence and its application on media (ISAIAM). IEEE, Xi'an, pp 135–139
12.
Codella NC, Gutman D, Celebi ME, Helba B, Marchetti MA, Dusza SW, Kalloo A, aa K, Mishra N, Kittler H, Halpern A (2018) Skin lesion analysis toward melanoma detection. In: 15th international symposium on biomedical imaging (ISBI 2018). IEEE, pp 168–172
Metadaten
Titel
CSR U-Net: A Novel Approach for Enhanced Skin Cancer Lesion Image Segmentation
verfasst von
V. Chakkarapani
S. Poornapushpakala
Copyright-Jahr
2024
Verlag
Springer Nature Singapore
Buch
Advances in Data-Driven Computing and Intelligent Systems

Print ISBN: 978-981-9995-20-2

Electronic ISBN: 978-981-9995-21-9

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-981-99-9521-9_11