深度学习在胃肠内镜中伪影与疾病实例检测与分割的应用
计算机视觉与模式识别
2021-02-18 v2 人工智能
机器学习
摘要
内镜计算机视觉挑战赛（EndoCV）是一项众包倡议，旨在解决开发可靠的内镜计算机辅助检测与诊断系统这一突出问题，并为技术的临床转化提供路径。尽管内镜是空腔器官广泛使用的诊断和治疗方法，但内镜医师常面临若干核心挑战，主要是：1）存在多类伪影妨碍其视觉判读；2）难以识别细微的癌前前病变和癌症异常。伪影常影响应用于胃肠道器官的深度学习方法鲁棒性，因为它们可能与感兴趣组织混淆。EndoCV2020 挑战赛旨在解决这些领域的研究问题。本文我们展示了排名前 17 支队伍开发的方法摘要，并对最先进方法与参赛者针对两个子挑战设计的方法进行客观比较：i）伪影检测与分割（EAD2020），以及 ii）疾病检测与分割（EDD2020）。为 EAD2020 和 EDD2020 两个子挑战均编译了多中心、多器官、多类别和多模态的临床内镜数据集。同时还评估了检测算法的样本外泛化能力。虽然大多数队伍专注于精度提升，但仅有少数方法具备临床可用性可信度。表现最佳的队伍通过探索数据增强、数据融合和最优类别阈值技术，提供了解决类别不平衡以及尺寸、来源、模态和出现情况可变性的方案。
引用
@article{arxiv.2010.06034,
title = {Deep learning for detection and segmentation of artefact and disease instances in gastrointestinal endoscopy},
author = {Sharib Ali and Mariia Dmitrieva and Noha Ghatwary and Sophia Bano and Gorkem Polat and Alptekin Temizel and Adrian Krenzer and Amar Hekalo and Yun Bo Guo and Bogdan Matuszewski and Mourad Gridach and Irina Voiculescu and Vishnusai Yoganand and Arnav Chavan and Aryan Raj and Nhan T. Nguyen and Dat Q. Tran and Le Duy Huynh and Nicolas Boutry and Shahadate Rezvy and Haijian Chen and Yoon Ho Choi and Anand Subramanian and Velmurugan Balasubramanian and Xiaohong W. Gao and Hongyu Hu and Yusheng Liao and Danail Stoyanov and Christian Daul and Stefano Realdon and Renato Cannizzaro and Dominique Lamarque and Terry Tran-Nguyen and Adam Bailey and Barbara Braden and James East and Jens Rittscher},
journal= {arXiv preprint arXiv:2010.06034},
year = {2021}
}
备注
32 pages