Segmentation automatisée des lésions cutanées basée sur un schéma d'extraction de caractéristiques multi-échelle et un mécanisme d'attention dual

La segmentation des lésions cutanées à partir d’images dermatoscopiques est essentielle pour le diagnostic du cancer de la peau. Toutefois, la segmentation automatique de ces lésions est complexe en raison du faible contraste entre la lésion et le fond, des artefacts d’image ainsi que des contours de lésions flous. Dans ce travail, nous proposons un modèle d’apprentissage profond pour la segmentation des lésions cutanées à partir d’images dermatoscopiques. Afin de relever les défis posés par les caractéristiques des lésions cutanées, nous avons conçu un module d’extraction de caractéristiques multi-échelle permettant d’extraire des caractéristiques discriminantes. Par ailleurs, deux mécanismes d’attention ont été développés dans ce cadre afin de raffiner les caractéristiques post-déchantillonnées et celles extraites par l’encodeur. Le modèle a été évalué sur les jeux de données ISIC2018 et ISBI2017. Le modèle proposé a surpassé tous les travaux existants ainsi que les modèles classés en tête lors de deux concours.