利用两步迁移学习提升内镜图像中肾结石的识别
计算机视觉与模式识别
2024-10-28 v1 机器学习
图像与视频处理
摘要
了解肾结石形成的原因对于制定预防复发的疗法至关重要。目前有多种确定肾结石类型的方法。然而，参考的离体识别程序可能耗时数周，而体内视觉识别需要训练有素的专业人员。已有机器学习模型被开发出来，以在输尿管镜检查期间为泌尿科医生提供肾结石的自动分类；然而，在训练数据的质量和方法方面普遍存在不足。本工作中，采用两步迁移学习方法来训练肾结石分类器。所提方法将在 CCD 相机获取的肾结石图像集（离体数据集）上学习到的知识迁移到一个最终对内镜图像（离体数据集）进行分类的模型。结果表明，从具有相似信息的不同域中学习特征有助于提升模型在真实条件（例如，不受控光照条件和模糊）下进行分类的性能。最后，与从头训练的模型或通过初始化 ImageNet 权重训练的模型相比，所得结果表明两步方法提取的特征改善了内镜图像中肾结石的识别。
引用
@article{arxiv.2210.13654,
title = {Boosting Kidney Stone Identification in Endoscopic Images Using Two-Step Transfer Learning},
author = {Francisco Lopez-Tiro and Juan Pablo Betancur-Rengifo and Arturo Ruiz-Sanchez and Ivan Reyes-Amezcua and Jonathan El-Beze and Jacques Hubert and Michel Daudon and Gilberto Ochoa-Ruiz and Christian Daul},
journal= {arXiv preprint arXiv:2210.13654},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication