基于多核膨胀卷积网络的自动息肉分割
图像与视频处理
2022-06-24 v2 计算机视觉与模式识别
摘要
通过结肠镜检测和切除癌前息肉是全球预防结直肠癌的主要技术。然而，结直肠息肉的漏诊率在不同内镜医师间差异显著。众所周知，计算机辅助诊断（CAD）系统可协助内镜医师检测结肠息肉并最小化医师间的差异。在本研究中，我们引入一种名为MKDCNet的新型深度学习架构，用于对不同息肉数据分布具有鲁棒性的自动息肉分割。MKDCNet只是一个编码器-解码器神经网络，使用预训练的ResNet50作为编码器，以及新颖的多核膨胀卷积（MKDC）块来扩展感受野以学习更鲁棒且异构的表示。在四个公开可用息肉数据集和细胞核数据集上的大量实验表明，所提出的MKDCNet在与训练测试同分布数据集上以及在不同分布的未见息肉数据集上测试时，均优于最先进的方法。通过丰富的结果，我们证明了所提架构的鲁棒性。从效率角度看，我们的算法在RTX 3090 GPU上可处理约45帧每秒。MKDCNet可作为构建临床结肠镜实时系统的强基准。所提MKDCNet的代码可在 https://github.com/nikhilroxtomar/MKDCNet 获取。
引用
@article{arxiv.2206.06264,
title = {Automatic Polyp Segmentation with Multiple Kernel Dilated Convolution Network},
author = {Nikhil Kumar Tomar and Abhishek Srivastava and Ulas Bagci and Debesh Jha},
journal= {arXiv preprint arXiv:2206.06264},
year = {2022}
}