nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Star Shape Prior in Fully Convolutional Networks for Skin Lesion Segmentation

verfasst von : Zahra Mirikharaji, Ghassan Hamarneh

Erschienen in: Medical Image Computing and Computer Assisted Intervention – MICCAI 2018

Verlag: Springer International Publishing

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

Semantic segmentation is an important preliminary step towards automatic medical image interpretation. Recently deep convolutional neural networks have become the first choice for the task of pixel-wise class prediction. While incorporating prior knowledge about the structure of target objects has proven effective in traditional energy-based segmentation approaches, there has not been a clear way for encoding prior knowledge into deep learning frameworks. In this work, we propose a new loss term that encodes the star shape prior into the loss function of an end-to-end trainable fully convolutional network (FCN) framework. We penalize non-star shape segments in FCN prediction maps to guarantee a global structure in segmentation results. Our experiments demonstrate the advantage of regularizing FCN parameters by the star shape prior and our results on the ISBI 2017 skin segmentation challenge data set achieve the first rank in the segmentation task among 21 participating teams.

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 Automatic Skin Lesion Segmentation on Dermoscopic Images by the Means of Superpixel Merging

Nächstes Kapitel Fast Vessel Segmentation and Tracking in Ultra High-Frequency Ultrasound Images

Cancer facts and figures 2017 (2017). http://www.cancer.org/acs/groups/content/@editorial/documents/document/acspc-048738.pdf

BenTaieb, A., Hamarneh, G.: Topology aware fully convolutional networks for histology gland segmentation. In: Ourselin, S., Joskowicz, L., Sabuncu, M.R., Unal, G., Wells, W. (eds.) MICCAI 2016. LNCS, vol. 9901, pp. 460–468. Springer, Cham (2016). https://doi.org/10.1007/978-3-319-46723-8_53CrossRef

Berseth, M.: ISIC 2017-skin lesion analysis towards melanoma detection. arXiv:1703.00523 (2017)

Bi, L., et al.: Automatic skin lesion analysis using large-scale dermoscopy images and deep residual networks. arXiv:1703.04197 (2017)

Chen, F., et al.: Deep learning shape priors for object segmentation. In: IEEE CVPR, pp. 1870–1877 (2013)

Chen, L.C., et al.: DeepLab: semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. arXiv:1606.00915 (2016)

Chittajallu, D.R., et al.: A shape-driven MRF model for the segmentation of organs in medical images. In: IEEE CVPR, pp. 3233–3240 (2010)

Codella, N.C.F., et al.: Skin lesion analysis toward melanoma detection: a challenge at the 2017 international symposium on biomedical imaging (ISBI), hosted by the international skin imaging collaboration (ISIC). arXiv:1710.05006 (2017)

Cootes, T.F., et al.: Active appearance models. IEEE TPAMI 23(6), 681–685 (2001)CrossRef

10.

Cremers, D., et al.: A review of statistical approaches to level set segmentation: integrating color, texture, motion and shape. IJCV 72(2), 195–215 (2007)CrossRef

11.

Freedman, D., Zhang, T.: Interactive graph cut based segmentation with shape priors. IEEE CVPR 1, 755–762 (2005)

12.

He, K., et al.: Deep residual learning for image recognition. In: IEEE CVPR, pp. 770–778 (2016)

13.

Kass, M., et al.: Snakes: active contour models. IJCV 1(4), 321–331 (1988)CrossRef

14.

Long, J., et al.: Fully convolutional networks for semantic segmentation. In: IEEE CVPR, pp. 3431–3440 (2015)

15.

McInerney, T., Terzopoulos, D.: Deformable models in medical image analysis: a survey. MIA 1(2), 91–108 (1996)

16.

Nosrati, M.S., Hamarneh, G.: Segmentation of overlapping cervical cells: a variational method with star-shape prior. In: IEEE ISBI, pp. 186–189 (2015)

17.

Nosrati, M.S., Hamarneh, G.: Incorporating prior knowledge in medical image segmentation: a survey. arXiv:1607.01092 (2016)

18.

Oktay, O., et al.: Anatomically constrained neural networks (ACNNs): application to cardiac image enhancement and segmentation. IEEE TMI 37(2), 384–395 (2018)

19.

Ravishankar, H., Venkataramani, R., Thiruvenkadam, S., Sudhakar, P., Vaidya, V.: Learning and incorporating shape models for semantic segmentation. In: Descoteaux, M., Maier-Hein, L., Franz, A., Jannin, P., Collins, D.L., Duchesne, S. (eds.) MICCAI 2017. LNCS, vol. 10433, pp. 203–211. Springer, Cham (2017). https://doi.org/10.1007/978-3-319-66182-7_24CrossRef

20.

Ronneberger, O., Fischer, P., Brox, T.: U-Net: convolutional networks for biomedical image segmentation. In: Navab, N., Hornegger, J., Wells, W.M., Frangi, A.F. (eds.) MICCAI 2015. LNCS, vol. 9351, pp. 234–241. Springer, Cham (2015). https://doi.org/10.1007/978-3-319-24574-4_28CrossRef

21.

Veksler, O.: Star shape prior for graph-cut image segmentation. In: Forsyth, D., Torr, P., Zisserman, A. (eds.) ECCV 2008. LNCS, vol. 5304, pp. 454–467. Springer, Heidelberg (2008). https://doi.org/10.1007/978-3-540-88690-7_34CrossRef

22.

Vu, N., Manjunath, B.: Shape prior segmentation of multiple objects with graph cuts. In: IEEE CVPR, pp. 1–8 (2008)

23.

Wang, P., et al.: Understanding convolution for semantic segmentation. arXiv:1702.08502 (2017)

24.

Yu, F., Koltun, V.: Multi-scale context aggregation by dilated convolutions. arXiv:1511.07122 (2015)

25.

Yuan, J., et al.: An efficient convex optimization approach to 3D prostate MRI segmentation with generic star shape prior. In: PROMISE Challenge, MICCAI (2012)

26.

Yuan, Y., et al.: Automatic skin lesion segmentation with fully convolutional-deconvolutional networks. arXiv:1703.05165 (2017)

27.

Zheng, S., et al.: Conditional random fields as recurrent neural networks. In: ICCV, pp. 1529–1537 (2015)

Titel: Star Shape Prior in Fully Convolutional Networks for Skin Lesion Segmentation
verfasst von: Zahra Mirikharaji
Ghassan Hamarneh
Verlag: Springer International Publishing
Buch: Medical Image Computing and Computer Assisted Intervention – MICCAI 2018
Print ISBN: 978-3-030-00936-6

Electronic ISBN: 978-3-030-00937-3

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-030-00937-3_84

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

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

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"