用胶囊网络在真实场景中诊断结直肠息肉
图像与视频处理
2020-01-13 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
结直肠癌大多源自称为息肉的癌前病变，仍是全球癌症相关死亡的主要原因之一。由于光学活检方法的检测准确率和灵敏度大幅低于推荐水平，当前临床标准要求对息肉进行切除和组织病理学分析。在本研究中，我们设计了一种新颖的胶囊网络架构（D-Caps）以提高结直肠息肉光学活检的可行性。我们提出的方法引入了若干技术新颖性，包括一种带有胶囊平均池化（CAP）方法的新颖胶囊架构，以提升大规模图像分类中的效率。我们展示的结果比先前最先进的卷积神经网络（CNN）方法提高了多达 43%。本工作在新的 Mayo Polyp 数据集上提供了一个重要基准，该数据集比以往的息肉研究更具挑战性且规模更大，其结果按所有可用类别、成像设备与模态以及聚焦模式分层，以推动 AI 驱动的结直肠癌筛查系统的未来方向。代码公开于 https://github.com/lalonderodney/D-Caps 。
引用
@article{arxiv.2001.03305,
title = {Diagnosing Colorectal Polyps in the Wild with Capsule Networks},
author = {Rodney LaLonde and Pujan Kandel and Concetto Spampinato and Michael B. Wallace and Ulas Bagci},
journal= {arXiv preprint arXiv:2001.03305},
year = {2020}
}
备注
Accepted for publication at ISBI 2020 (IEEE International Symposium on Biomedical Imaging). Code is publicly available at https://github.com/lalonderodney/D-Caps