EndoL2H：用于胶囊内镜的深度超分辨率方法
计算机视觉与模式识别
2020-06-24 v2 机器学习
图像与视频处理
摘要
尽管无线胶囊内镜是小肠疾病诊断与评估的首选方式，但较差的相机分辨率对主观与自动化诊断均为显著限制。增强分辨率内镜已证明可提高传统内镜的腺瘤检出率，并可能同样提升胶囊内镜的表现。本工作中，我们提出并从定量上验证了一种学习低分辨率到高分辨率内镜图像映射的新框架。我们结合条件对抗网络与空间注意力模块，将分辨率分别提升至多8倍、10倍、12倍。所进行的定量与定性研究证明了EndoL2H优于最先进的深度超分辨率方法DBPN、RCAN和SRGAN。由30名胃肠病学家执行的MOS测试定性评估并确认了该方法的临床相关性。EndoL2H普遍适用于任何内镜胶囊系统，并有望改善诊断并更好地利用计算方法进行息肉检测与表征。我们的代码与训练模型可在 https://github.com/CapsuleEndoscope/EndoL2H 获取。
引用
@article{arxiv.2002.05459,
title = {EndoL2H: Deep Super-Resolution for Capsule Endoscopy},
author = {Yasin Almalioglu and Kutsev Bengisu Ozyoruk and Abdulkadir Gokce and Kagan Incetan and Guliz Irem Gokceler and Muhammed Ali Simsek and Kivanc Ararat and Richard J. Chen and Nicholas J. Durr and Faisal Mahmood and Mehmet Turan},
journal= {arXiv preprint arXiv:2002.05459},
year = {2020}
}
备注
23 pages, submitted to IEEE Transactions on Medical Imaging, corresponding Author: Mehmet Turan