用于结肠镜图像中息肉检测的深度卷积神经网络
计算机视觉与模式识别
2020-08-18 v1 机器学习
图像与视频处理
摘要
由于结肠镜检查期间息肉的外观、纹理、颜色、大小以及多种类息肉模拟物存在极大的变异性，结肠息肉的计算机化检测仍是一个未解决的问题。本文提出了一种基于深度卷积神经网络的模型，用于在结肠镜图像中计算机化检测息肉。所提出的模型包含 16 个卷积层、2 个全连接层和一个 Softmax 层，其中我们在同一隐藏层内采用不同卷积核的独特方法以进行更深入的特征提取。我们应用了两种不同的激活函数，MISH 和修正线性单元激活函数，以实现信息的深层传播和自正则化的平滑非单调性。此外，我们使用了广义交并比，从而克服了尺度不变性、旋转和形状等问题。采用光度与几何失真等数据增强技术来克服息肉检测中面临的障碍。提供了详细的基准测试结果，在精确率、敏感度、F1 分数、F2 分数和 Dice 系数方面表现出更好的性能，从而证明了所提出模型的有效性。
引用
@article{arxiv.2008.06721,
title = {A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images},
author = {Tariq Rahim and Syed Ali Hassan and Soo Young Shin},
journal= {arXiv preprint arXiv:2008.06721},
year = {2020}
}
备注
21Pages,7 Figues,Journal