使用CapsNet和深度信念网络进行口腔白细胞减少症检测与识别的新方法
图像与视频处理
2025-01-03 v1 计算机视觉与模式识别
机器学习
摘要
口腔癌是一项重大的全球健康问题，2023年造成277,484人死亡，在低中和中等收入国家患病率最高。促进口腔潜在恶性和恶性病变检测的自动化，可实现经济高效且早期的疾病诊断。建立一个详尽标注的口腔病变广泛数据库至关重要。在本研究中，照片收集自全球临床专家，他们配备了标注工具以生成全面的标签。本研究提出了一种整合来自不同医生边界框标注的新方法。此外，结合深度信念网络与CAPSNET被用于开发自动化系统，提取复杂模式以解决这一具有挑战性的问题。本研究评估了两种基于深度学习的计算机视觉方法，用于口腔病变的自动检测和分类，以促进口腔癌的早期检测：利用CAPSNET进行图像分类。图像分类在检测带有病变的照片时达到了94.23%的F1分数，在识别需要转诊的图像时达到了93.46%的F1分数。目标检测在识别需要转诊的病变时达到了89.34%的F1分数。随后的性能记录了基于转诊决策类型的分类结果。我们的初步研究结果表明，深度学习具备解决这一复杂问题的能力。
引用
@article{arxiv.2501.00876,
title = {A Novel Approach using CapsNet and Deep Belief Network for Detection and Identification of Oral Leukopenia},
author = {Hirthik Mathesh GV and Kavin Chakravarthy M and Sentil Pandi S},
journal= {arXiv preprint arXiv:2501.00876},
year = {2025}
}
备注
Accepted to IEEE International Conference on Advancement in Communication and Computing Technology (INOACC), will be held in Sai Vidya Institute of Technology, Bengaluru, Karnataka, India. (Preprint)