基于区域深度CNN和后学习方法的结肠息肉自动检测
计算机视觉与模式识别
2019-06-28 v1 人工智能
摘要
由于息肉在形状、纹理、大小和颜色上的巨大差异，以及结肠镜检查中存在的各种类似息肉的模仿物，结肠息肉的自动检测仍然是一个未解决的问题。在本研究中，我们应用了一种最新的基于区域的卷积神经网络（CNN）方法，用于从结肠镜检查获得的图像和视频中自动检测息肉。我们在检测系统中使用了一个深度CNN模型（Inception Resnet）作为迁移学习方案。为了克服息肉检测的障碍和息肉图像数量少的问题，我们研究了用于训练深度网络的图像增强策略。我们进一步提出了两种有效的后学习方法，即自动假阳性学习和离线学习，这两种方法都可以与基于区域的检测系统结合，以实现可靠的息肉检测。使用大规模结肠镜数据库的实验结果表明，与文献中的其他系统相比，所建议的检测系统表现出更好的性能。此外，我们展示了使用所提出的后学习方案在结肠镜视频上提高了检测性能。
引用
@article{arxiv.1906.11463,
title = {Automatic Colon Polyp Detection using Region based Deep CNN and Post Learning Approaches},
author = {Younghak Shin and Hemin Ali Qadir and Lars Aabakken and Jacob Bergsland and Ilangko Balasingham},
journal= {arXiv preprint arXiv:1906.11463},
year = {2019}
}
备注
9 pages