亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Skin lesion segmentation using two-phase cross-domain transfer learning framework

学习迁移 分割 可解释性 计算机科学 人工智能 深度学习 一般化 机器学习 模式识别(心理学) 特征(语言学) 领域(数学分析) 图像分割 数学 数学分析 语言学 哲学
作者
Meghana Karri,Chandra Sekhara Rao Annavarapu,U. Rajendra Acharya
出处
期刊:Computer Methods and Programs in Biomedicine [Elsevier BV]
卷期号:231: 107408-107408 被引量:19
标识
DOI:10.1016/j.cmpb.2023.107408
摘要

Deep learning (DL) models have been used for medical imaging for a long time but they did not achieve their full potential in the past because of insufficient computing power and scarcity of training data. In recent years, we have seen substantial growth in DL networks because of improved technology and an abundance of data. However, previous studies indicate that even a well-trained DL algorithm may struggle to generalize data from multiple sources because of domain shifts. Additionally, ineffectiveness of basic data fusion methods, complexity of segmentation target and low interpretability of current DL models limit their use in clinical decisions. To meet these challenges, we present a new two-phase cross-domain transfer learning system for effective skin lesion segmentation from dermoscopic images.Our system is based on two significant technical inventions. We examine a two- phase cross-domain transfer learning approach, including model-level and data-level transfer learning, by fine-tuning the system on two datasets, MoleMap and ImageNet. We then present nSknRSUNet, a high-performing DL network, for skin lesion segmentation using broad receptive fields and spatial edge attention feature fusion. We examine the trained model's generalization capabilities on skin lesion segmentation to quantify these two inventions. We cross-examine the model using two skin lesion image datasets, MoleMap and HAM10000, obtained from varied clinical contexts.At data-level transfer learning for the HAM10000 dataset, the proposed model obtained 94.63% of DSC and 99.12% accuracy. In cross-examination at data-level transfer learning for the Molemap dataset, the proposed model obtained 93.63% of DSC and 97.01% of accuracy.Numerous experiments reveal that our system produces excellent performance and improves upon state-of-the-art methods on both qualitative and quantitative measures.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
朝花惜拾完成签到 ,获得积分10
5秒前
撒上大声说完成签到,获得积分10
8秒前
zhangzhang发布了新的文献求助10
10秒前
24秒前
Crssss的应助被zhangzhang采纳,获得10
24秒前
干净的中心完成签到,获得积分10
35秒前
44秒前
东北饿霸完成签到,获得积分10
52秒前
lyp完成签到 ,获得积分10
1分钟前
xzh完成签到,获得积分10
1分钟前
heyfuan关注了科研通微信公众号
1分钟前
GingerF的应助被Yanyu采纳,获得50
1分钟前
1分钟前
1分钟前
1分钟前
yc发布了新的文献求助10
1分钟前
JeanetteJin发布了新的文献求助10
1分钟前
田様的应助被92567采纳,获得30
1分钟前
Kamaru完成签到 ,获得积分10
1分钟前
汉堡包的应助被cjhsci采纳,获得10
1分钟前
heyfuan关注了科研通微信公众号
1分钟前
徐zhipei完成签到 ,获得积分10
1分钟前
1分钟前
flysteven92完成签到 ,获得积分10
2分钟前
夏木完成签到,获得积分10
2分钟前
王老裂完成签到,获得积分10
2分钟前
含蓄寻真完成签到 ,获得积分10
2分钟前
2分钟前
TuoWQ完成签到 ,获得积分10
2分钟前
星辰完成签到,获得积分10
2分钟前
92567完成签到,获得积分10
2分钟前
qqq完成签到 ,获得积分0
2分钟前
2分钟前
跳跃的青完成签到,获得积分10
2分钟前
cjhsci发布了新的文献求助10
2分钟前
星辰大海的应助被HS采纳,获得10
3分钟前
3分钟前
阳春发布了新的文献求助10
3分钟前
JanaL发布了新的文献求助10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8190089
求助须知:如何正确求助?哪些是违规求助? 9577216
关于积分的说明 21852117
捐赠科研通 7788276
什么是DOI,文献DOI怎么找? 3436259
关于科研通互助平台的介绍 2559990
邀请新用户注册赠送积分活动 2482862