Segmentation de lésions cutanées à l’aide de la convolution atrous via DeepLab v3

Alors que les diagnostics de mélanome augmentent aux États-Unis, les efforts automatisés pour identifier les lésions malignes suscitent un intérêt croissant au sein de la communauté scientifique. La segmentation des images dermatoscopiques constitue la première étape de ce processus, et la précision est donc essentielle. Bien que des techniques utilisant des réseaux neuronaux convolutifs aient été employées par le passé pour la segmentation des lésions, nous présentons une solution faisant appel à DeepLab 3, une méthode de convolution dilatée récemment publiée pour la segmentation d'images. Bien que les résultats obtenus ne soient pas idéaux, avec un indice moyen de Jaccard de 0,498, nous pensons qu'avec des ajustements supplémentaires et des modifications pour améliorer la compatibilité avec le code DeepLab, ainsi qu'avec un entraînement sur des unités de traitement plus puissantes, cette méthode pourrait produire de meilleurs résultats lors d'essais futurs.