无限课程学习用于无线胶囊内镜图像中胃溃疡的高效检测
计算机视觉与模式识别
2018-09-10 v1
摘要
无线胶囊内镜（WCE）正成为一种流行的胃肠道系统疾病与癌症筛查手段。然而，检查 WCE 数据的过程耗时漫长，限制了其应用并增加了检查成本。本文研究基于 WCE 的胃溃疡检测，其主要挑战在于局部区域内的病灶检测。我们提出一种名为无限课程学习的方法，该方法通过以图像块尺度近似度量其难度，将课程学习推广至无限采样空间。这使我们能够逐步从局部图像块自适应到全局图像，从而获得稳定的精度提升。实验在一个包含超过 300 万张 WCE 图像的大规模数据集上进行。我们的方法达到了 87% 的二分类准确率，并能够检测出一些被医师误标注的病灶。在实际应用中，我们的方法可将医师在胃溃疡筛查中的工作量减少 90%–98%。
引用
@article{arxiv.1809.02371,
title = {Infinite Curriculum Learning for Efficiently Detecting Gastric Ulcers in WCE Images},
author = {Xiaolu Zhang and Shiwan Zhao and Lingxi Xie},
journal= {arXiv preprint arXiv:1809.02371},
year = {2018}
}
备注
9 pages, 4 figures