分而治之：基于两阶段模型的胃肠道图像出血区域定位
计算机视觉与模式识别
2024-12-24 v1
摘要
胃肠道出血的准确检测和分割对于诊断消化性溃疡和结直肠癌等疾病至关重要。本研究提出了一种两阶段框架，将分类和定位解耦，以解决传统多任务学习模型固有的挑战，这些模型联合优化分类和分割。我们的方法分离这些任务以实现每个任务的针对性优化。该模型首先将图像分类为出血或非出血，从而将后续定位与任务间干扰和标签异质性隔离开来。为了进一步提高性能，我们引入了随机权重平均和测试时增强，这提高了模型对领域偏移和标注不一致性的鲁棒性。我们的方法在Auto-WCEBleedGen Challenge V2挑战数据集上进行了验证，并获得了第二名。实验结果表明，在分类准确性和分割精度上都有显著改进，尤其是在具有一致视觉模式的序列数据集上。本研究突出了两阶段策略在医学图像分析中的实际优势，并为胃肠道出血检测和分割设立了新标准。我们的代码在此GitHub仓库公开。
引用
@article{arxiv.2412.16723,
title = {Divide and Conquer: Grounding a Bleeding Areas in Gastrointestinal Image with Two-Stage Model},
author = {Yu-Fan Lin and Bo-Cheng Qiu and Chia-Ming Lee and Chih-Chung Hsu},
journal= {arXiv preprint arXiv:2412.16723},
year = {2024}
}