使用全卷积神经网络的自动息肉分割
图像与视频处理
2021-01-12 v1 计算机视觉与模式识别
摘要
结直肠癌是全球致命癌症之一。结肠镜是检查、定位及切除结直肠息肉的标准手段。然而，研究表明结肠镜检查中结直肠息肉的漏诊率在 6% 至 27% 之间。在结肠镜检查中使用自动、准确且实时的息肉分割可帮助临床医生消除遗漏病灶并预防结直肠癌的进一步发展。“Medico 自动息肉分割挑战赛”提供了研究息肉分割并构建快速分割模型的机会。挑战赛组织者提供 Kvasir-SEG 数据集用于训练模型，随后在独立的未见数据集上测试以验证分割模型的效率与速度。实验表明，在 Kvasir-SEG 数据集上训练并在未见数据集上测试的模型取得了 0.7801 的 dice 系数、0.6847 的 mIoU、0.8077 的召回率与 0.8126 的精确率，展示了我们模型的泛化能力。该模型在分辨率为 的未见数据集上达到了 80.60 FPS。
引用
@article{arxiv.2101.04001,
title = {Automatic Polyp Segmentation using Fully Convolutional Neural Network},
author = {Nikhil Kumar Tomar},
journal= {arXiv preprint arXiv:2101.04001},
year = {2021}
}