放大内镜下的乳头内毛细血管袢分类：开放数据集与基线方法
图像与视频处理
2021-02-22 v1 计算机视觉与模式识别
摘要
目的。食管早期鳞状细胞肿瘤（ESCN）是一种高度可治的疾病。局限于黏膜层的病变可通过内镜治愈性治疗。我们构建了一个计算机辅助检测（CADe）系统，能够以高诊断准确率将静态图像或视频帧分类为正常或异常。方法。我们提出了一个新基准数据集，包含从114例患者视频中提取的68K个二值标注帧，其成像区域已被切除并与组织病理学相关联。我们的新颖卷积网络（CNN）架构解决了二值分类任务，并解释了输入域的哪些特征驱动了网络的决策过程。结果。所提方法达到了91.7%的平均准确率，而一组12名资深临床医师达到了94.7%。我们的新颖网络架构生成深度监督的激活热图，表明网络在预测异常时关注乳头内毛细血管袢（IPCL）模式。结论。我们相信该数据集和基线方法可作为未来ESCN检测背景下视频帧分类和可解释性基准的参考。具有高临床相关性的未来工作路径是将分类扩展至ESCN类型。
引用
@article{arxiv.2102.09963,
title = {Intrapapillary Capillary Loop Classification in Magnification Endoscopy: Open Dataset and Baseline Methodology},
author = {Luis C. Garcia-Peraza-Herrera and Martin Everson and Laurence Lovat and Hsiu-Po Wang and Wen Lun Wang and Rehan Haidry and Danail Stoyanov and Sebastien Ourselin and Tom Vercauteren},
journal= {arXiv preprint arXiv:2102.09963},
year = {2021}
}
备注
Accepted by IJCARS