医学图像分析中的深度学习模型：基于 Kvasir 数据集的食管炎检测
图像与视频处理
2023-01-09 v1 计算机视觉与模式识别
摘要
食管炎的早期检测十分重要，因为该疾病若不加治疗可能进展为癌症。然而，不同深度学习模型检测食管炎的准确率尚待比较。因此，本研究旨在比较卷积神经网络模型（GoogLeNet、ResNet-50、MobileNet V2 和 MobileNet V3）从开放的内镜图像 Kvasir 数据集中检测食管炎的准确率。结果表明，在各模型中，GoogLeNet 取得了最高的 F1 分数。基于真正率的平均值，MobileNet V3 比其他模型更自信地预测食管炎。还将使用这些模型获得的结果与使用 SHapley Additive exPlanations（SHAP）和 Gradient-weighted Class Activation Mapping（Grad-CAM）获得的结果进行了比较。
引用
@article{arxiv.2301.02390,
title = {Deep-learning models in medical image analysis: Detection of esophagitis from the Kvasir Dataset},
author = {Kyoka Yoshiok and Kensuke Tanioka and Satoru Hiwa and Tomoyuki Hiroyasu},
journal= {arXiv preprint arXiv:2301.02390},
year = {2023}
}