利用深度卷积神经网络进行血管发育不良检测与定位
计算机视觉与模式识别
2019-01-23 v1
摘要
血管发育不良病灶的准确检测与定位是胃肠道出血与贫血早期诊断是重要问题。血管发育不良检测与定位的金标准采用无线胶囊内镜实现。这一药丸状设备在一次通过胃肠道过程中能够产生数千张分辨率足够高的图像。本文呈现我们针对 MICCAI 2017 内镜视觉子挑战赛：血管发育不良检测与定位的获奖方案，及其利用若干新颖深度神经网络架构超越现有最优结果的进一步改进。它解决二值分割问题，即图像中每一像素被标注为血管发育不良病灶或背景。随后，我们分析每个预测掩膜的连接分量。基于该分析我们开发了预测血管发育不良病灶（二值变量）的分类器及其定位（分量中心）的检测器。在此设定下，我们的方法在血管发育不良检测与定位的每一任务子类中均优于其他方法，从而为这些问题提供了现有最优结果。我们方案的源代码公开于 https://github.com/ternaus/angiodysplasia-segmentatio
引用
@article{arxiv.1804.08024,
title = {Angiodysplasia Detection and Localization Using Deep Convolutional Neural Networks},
author = {Alexey Shvets and Vladimir Iglovikov and Alexander Rakhlin and Alexandr A. Kalinin},
journal= {arXiv preprint arXiv:1804.08024},
year = {2019}
}
备注
12 pages, 6 figures