探索多种深度学习模型以提升自动息肉检测准确率
图像与视频处理
2022-03-09 v1 计算机视觉与模式识别
信息检索
摘要
本文旨在探索能够在结肠镜图像上以最高准确率检测息肉的深度学习模型与算法。既往研究采用卷积神经网络（CNN）算法进行息肉与非息肉的深度学习检测。其他研究使用了 dropout 和数据增强算法，但大多未检查过拟合，因而采用了超过四层的模型。中国科学院软件研究所的 Rulei Yu 等人指出，在性能或改进先前所用算法方面，迁移学习更优，尤其在将迁移学习应用于特征提取时。我们开展了一系列实验，仅使用最少 4 层 CNN 并应用先前使用的模型，确定了在应用迁移学习的各模型中产生最高 98% 准确率的模型。进一步研究可对不同的 CNN 模型使用不同的优化器以提高准确率。
引用
@article{arxiv.2203.04093,
title = {Exploration of Various Deep Learning Models for Increased Accuracy in Automatic Polyp Detection},
author = {Ariel E. Isidro and Arnel C. Fajardo and Alexander A. Hernandez},
journal= {arXiv preprint arXiv:2203.04093},
year = {2022}
}