基于深度学习的结肠镜视频中生物解剖标志点检测
计算机视觉与模式识别
2021-08-09 v1
摘要
结肠镜是可视化患者整个胃肠道（GI）以捕获病变区域的标准成像工具。然而，临床医生审阅从结肠镜视频中提取的大量图像耗时过多。因此，对结肠内生物解剖标志点的自动检测需求极高，其可通过提供病变区域位置的导引信息来减轻临床医生负担。在本文中，我们提出一种新颖的基于深度学习的方法来检测结肠镜视频中的生物解剖标志点。首先，对原始结肠镜视频序列进行预处理以剔除干扰帧。其次，使用基于ResNet-101的网络分别检测三种生物解剖标志点以获得中间检测结果。第三，为在整个视频周期内实现更可靠的标志点时段定位，我们提出基于中间检测结果的时间分布识别错误预测帧并将其重新指派至正确类别，从而对中间检测结果进行后处理。最终，平均检测准确率达到99.75\%。同时，0.91的平均IoU表明我们的预测标志点时段与真值间具有高度相似性。实验结果证明，我们所提模型能够准确地从结肠镜视频中检测并定位生物解剖标志点。
引用
@article{arxiv.2108.02948,
title = {Deep Learning-based Biological Anatomical Landmark Detection in Colonoscopy Videos},
author = {Kaiwei Che and Chengwei Ye and Yibing Yao and Nachuan Ma and Ruo Zhang and Jiankun Wang and Max Q. -H. Meng},
journal= {arXiv preprint arXiv:2108.02948},
year = {2021}
}
备注
9 pages, 7 figures