CapsuleNet：使用EfficientNet-b7对胃肠道疾病进行分类的深度学习模型

胃肠道疾病是一个重大的全球健康问题，胶囊内窥镜通过捕获大量胃肠道图像提供了一种非侵入性的诊断方法。然而，大量的视频帧需要自动化分析以减轻医生的工作量并提高诊断准确性。在本文中，我们介绍了CapsuleNet，这是一个为Capsule Vision 2024挑战赛开发的深度学习模型，旨在对10种不同的胃肠道异常进行分类。使用高度不平衡的数据集，我们实施了各种数据增强策略，将数据不平衡降低到可管理的水平。我们的模型利用预训练的EfficientNet-b7骨干网络，通过额外的分类层进行微调，并使用PReLU激活函数进行优化。该模型在验证数据上表现出优越的性能，达到了84.5%的微平均准确率，并在大多数类别上优于VGG16基线。尽管取得了这些进展，但在对某些异常（如红斑）进行分类时仍存在挑战。我们的研究结果表明，像CapsuleNet这样的基于CNN的模型可以为胃肠道疾病分类提供有效的解决方案，特别是在推理时间是关键因素的情况下。