基于多尺度特征融合的WCE序列胃肠息肉与肿瘤检测
图像与视频处理
2022-04-05 v1 计算机视觉与模式识别
摘要
无线胶囊内镜（WCE）因其对非侵入、无痛地成像整个消化道的优势，已广泛用于胃肠道（GI）疾病尤其是小肠的筛查。然而，WCE捕获的海量图像数据使人工阅片成为一项任务繁重的过程，且易导致病灶的漏检与误检。因此，本文提出一种两阶段多尺度特征融合学习网络（TMFNet），以自动检测WCE图像序列中的小肠息肉与肿瘤。具体而言，TMFNet由病灶检测网络与病灶识别网络组成。其中，前者在传统Faster R-CNN网络基础上改进了特征提取模块与检测模块，并重新调整了区域提议网络（RPN）模块中锚点的参数；后者结合残差结构与特征金字塔结构构建基于特征融合的小肠病灶识别网络，以降低前者的假阳性率并提升整体准确率。实验中我们使用了22,335张WCE图像，共计123,092个病灶区域用于训练本文的检测框架。实验中，该检测框架在院方消化内科提供的真实WCE图像数据集上进行了训练与测试。最终模型在RPM上的灵敏度、假阳性率与准确率分别为98.81%、7.43%和92.57%；同时在病灶图像上的相应结果为98.75%、5.62%和94.39%。本文提出的算法模型在检测效果与性能上明显优于其他检测算法。
引用
@article{arxiv.2204.01012,
title = {Gastrointestinal Polyps and Tumors Detection Based on Multi-scale Feature-fusion with WCE Sequences},
author = {Zhuo Falin and Liu Haihua and Pan Ning},
journal= {arXiv preprint arXiv:2204.01012},
year = {2022}
}