使用卷积神经网络的息肉自动分割
图像与视频处理
2020-04-24 v1 计算机视觉与模式识别
机器学习
摘要
结直肠癌是全球仅次于肺癌与乳腺癌的第三大癌症相关死因。通过在结肠镜检查中早期检出息肉可降低罹患结直肠癌的风险。计算机辅助诊断系统有潜力应用于息肉筛查并减少漏诊息肉的数量。本文中，我们比较了不同深度学习架构作为特征提取器在U-Net架构编码器部分的性能，即ResNet、DenseNet、InceptionV3、InceptionResNetV2与SE-ResNeXt。我们在CVC-Clinic（GIANA 2018）数据集上验证了所提集成模型的性能。DenseNet169特征提取器与U-Net架构相结合优于其他对应模型，取得了99.15%的准确率、90.87%的Dice相似系数与83.82%的Jaccard指数。
引用
@article{arxiv.2004.10792,
title = {Automatic Polyp Segmentation Using Convolutional Neural Networks},
author = {Sara Hosseinzadeh Kassani and Peyman Hosseinzadeh Kassani and Michal J. Wesolowski and Kevin A. Schneider and Ralph Deters},
journal= {arXiv preprint arXiv:2004.10792},
year = {2020}
}