颜色校正对胶囊内镜中病理检测的影响
计算机视觉与模式识别
2025-02-04 v1 人工智能
机器学习
摘要
近期探索了利用深度学习进行无线胶囊内镜（Wireless Capsule Endoscopy, WCE）中的病理检测。然而，深度学习模型受训练所用数据集颜色质量的影响，进而影响检测、分割和分类任务。在本研究中，我们评估了颜色校正对病理检测的影响，采用两种主流目标检测模型：Retinanet 和 YOLOv5。我们首先使用两种不同的颜色校正函数生成流行 WCE 数据集（即 SEE-AI 数据集）的两个颜色校正版本。随后，在原始和颜色校正后的两个数据集版本上评估 Retinanet 和 YOLOv5的性能。结果揭示，颜色校正会导致模型生成更大的边界框与地面实线注释之间的更大的交叉面积。此外，颜色校正会导致某些病理检测的误报数量增加。然而，这些影响并未在 F1 分数、IoU 和 AP50 等绩效指标上一致性地转化为改进。代码已公开于 https://github.com/agossouema2011/WCE2024。
引用
@article{arxiv.2502.00076,
title = {Influence of color correction on pathology detection in Capsule Endoscopy},
author = {Bidossessi Emmanuel Agossou and Marius Pedersen and Kiran Raja and Anuja Vats and Pål Anders Floor},
journal= {arXiv preprint arXiv:2502.00076},
year = {2025}
}