INCEPTNET：用于医学图像分析的精确早期疾病检测应用
图像与视频处理
2023-09-06 v1 计算机视觉与模式识别
摘要
鉴于近期基于深度 AI 的图像处理方法范式转变，医学图像处理已取得显著进展。在本研究中，我们提出一种新颖的深度神经网络（DNN），称为 InceptNet，用于医学图像处理领域的早期疾病检测与医学图像分割，以提升精度与性能。我们还研究了用户与 InceptNet 应用的交互，以呈现一个包含后台处理及前台用户交互的完整应用。Fast InceptNet 由著名的 Unet 架构构建，并利用 Inception 模块的力量，在力求逼近最优局部稀疏结构的同时实现快速与低成本。添加具有不同并行核尺寸的 Inception 模块可提升网络捕捉感兴趣缩放区域中变化的能力。为进行实验，该模型在四个基准数据集上测试，包括视网膜血管分割、肺结节分割、皮肤病变分割和乳腺癌细胞检测。在具有小尺度结构的图像上改进更为显著。所提方法将上述数据集上的准确率分别从 0.9531、0.8900、0.9872 和 0.9881 提升至 0.9555、0.9510、0.9945 和 0.9945，表明所提方法优于先前工作。此外，通过从头至尾探究流程，使用过完整应用形式 InceptNet 试用版的个人会面对十三个多选题，以评估所提方法。结果通过人机交互手段进行评价。
引用
@article{arxiv.2309.02147,
title = {INCEPTNET: Precise And Early Disease Detection Application For Medical Images Analyses},
author = {Amirhossein Sajedi and Mohammad Javad Fadaeieslam},
journal= {arXiv preprint arXiv:2309.02147},
year = {2023}
}