Segmentierung von Hautläsionen mit SegNet unter Verwendung der binären Kreuzentropie

In diesem Artikel wird ein einfacher und recheneffizienter Ansatz im Hinblick auf die Komplexität für die automatische Segmentierung von Hautläsionen vorgestellt, basierend auf einer Deep-Learning-Architektur namens SegNet, ergänzt um zusätzliche Spezifikationen zur Verbesserung der Ergebnisse. Das zweite Ziel besteht darin, die Vor- und Nachverarbeitung der Bilder auf ein Minimum zu reduzieren. Das vorgestellte Modell wird auf einer begrenzten Anzahl von Bildern aus dem PH2-Datensatz trainiert, der dermatoskopische Bilder, manuell segmentierte Masken, klinische Diagnosen sowie die Identifikation mehrerer dermatoskopischer Strukturen enthält, die von Fachhautärzten durchgeführt wurden. Ziel ist es, nach der Evaluation eine Leistungsgrenze des Jaccard-Index (IOU) von 92 % zu erreichen.