基于分类器预测置信度与综合学习粒子群优化的息肉定位集成学习
计算机视觉与模式识别
2021-04-13 v1
摘要
结直肠癌（CRC）是许多国家的首要死因。CRC 起源于结肠内壁称为息肉的一小团细胞，随着时间的推移可能生长并变为恶性。因此，早期发现和切除息肉对于预防结肠癌是必要的。在本文中，我们引入了一种医学息肉分割算法的集成。基于观察到不同的分割算法会在不同的样本子集上表现良好，这是由于它们所接触的训练集的性质和规模以及方法内在因素所致，我们提议度量每种算法预测的置信度，然后使用关联的阈值来确定该置信度是否可接受。如果置信度低于其关联阈值，则选择该算法加入集成。每种分割算法的最优阈值通过使用综合学习粒子群优化（CLPSO，一种群体智能算法）来寻找。Dice 系数，一种流行的图像分割性能度量，被用作适应度准则。在两个息肉分割数据集 MICCAI2015 和 Kvasir-SEG 上的实验结果证实，我们的集成相比一些知名分割算法取得了更好的结果。
引用
@article{arxiv.2104.04832,
title = {Ensemble Learning based on Classifier Prediction Confidence and Comprehensive Learning Particle Swarm Optimisation for polyp localisation},
author = {Truong Dang and Thanh Nguyen and John McCall and Alan Wee-Chung Liew},
journal= {arXiv preprint arXiv:2104.04832},
year = {2021}
}
备注
10 pages, 5 figures