基于特征的无线胶囊内窥镜中疾病、肿瘤与出血检测框架
计算机视觉与模式识别
2018-02-08 v1
摘要
研究动物运动有助于增进对运动控制的理解，并辅助运动障碍的治疗。小鼠是人类疾病的首选模型，也是大量基础神经科学的模型系统。量化这些奔跑啮齿动物的运动学需要高帧率（250 Hz）。手动追踪，尤其对多个标记点，变得耗时且不可行。因此，一种自动化方法是必要的。我们提出如下方式追踪动物爪子的方法：首先，基于颜色分割所有疑似爪子；其次，使用支持向量机（SVM）与神经网络（NN）对分割对象分类；再次，结合奔跑动物的运动学特征与先前帧的纹理特征对对象分类；最后，检测并处理碰撞以保证标记爪子的正确性。所提方法在由四台相机从五只小鼠采集的六十段1000帧（4秒）视频序列中验证。使用SVM分类器的前爪与后爪追踪总灵敏度为99.70%，使用NN分类器为99.76%。此外，我们展示了利用四相机系统进行三维重建的可行性。
引用
@article{arxiv.1802.02232,
title = {Feature Based Framework to Detect Diseases, Tumor, and Bleeding in Wireless Capsule Endoscopy},
author = {Omid Haji Maghsoudi and Mahdi Alizadeh},
journal= {arXiv preprint arXiv:1802.02232},
year = {2018}
}