评估深度学习方法在内镜图像中肾结石识别的应用
图像与视频处理
2022-01-21 v1 计算机视觉与模式识别
机器学习
摘要
了解肾结石的类型（即生化成分）对于通过适当治疗预防复发至关重要。在输尿管镜期间，肾结石被粉碎、从尿路取出，并通过形态-构成分析确定其成分。该过程耗时（形态-构成分析结果仅在数日后可得）且繁琐（碎片提取长达一小时）。仅通过体内内镜图像识别肾结石类型将允许对碎片进行粉尘化，同时可避免形态-构成分析。仅有少数涉及肾结石体内识别的研究发表。本文讨论并比较了五种分类方法，包括基于深度卷积神经网络（DCNN）的方法与传统（非 DCNN 基）方法。尽管最佳方法为 DCNN 方法，在四类上精确率与召回率分别为 98% 和 97%，但本研究表明，在标注数据有限的医学应用中，利用精心选择特征向量的 XGBoost 分类器可接近 DCNN 分类器的性能。
引用
@article{arxiv.2103.01146,
title = {Assessing deep learning methods for the identification of kidney stones in endoscopic images},
author = {Francisco Lopez and Andres Varela and Oscar Hinojosa and Mauricio Mendez and Dinh-Hoan Trinh and Jonathan ElBeze and Jacques Hubert and Vincent Estrade and Miguel Gonzalez and Gilberto Ochoa and Christian Daul},
journal= {arXiv preprint arXiv:2103.01146},
year = {2022}
}
备注
This paper is currently under review for the IEEE Engineering in Medicine and Biology Conference (EMBC 2021)