基于测量的溢酮疾病识别 - MeasureNet
计算机视觉与模式识别
2024-12-03 v1
摘要
溢酮病是一种由摄入麸质触发的自身免疫疾病，会损伤小肠负责营养吸收的指状突起（villi），Additionally，构成突起基座的腺体（crypts）也受到影响，损害再生过程。villi 长度与腺体长度之比（villi-to-crypt length ratio）的恶化程度反映了溢酮病的严重程度。然而，手动测量 villa-crypt 长度既耗时又易受观察者间变异性影响，导致诊断不一致。虽然某些方法可作为后处理步骤进行测量，但易受初始阶段误差的影响。这一差距凸显了需要致力于提高测量准确性、减少溢酮病评估中人为误差的病理学驱动解决方案。我们提出的方法 MeasureNet 是一种病理学驱动的 polyline 检测框架，集成 polyline 定位与针对测量任务的对象驱动损失。此外，我们利用分割模型提供关于腺体位置的辅助指导，即使腺体部分可见时也能辅助。为确保模型不过度依赖分割掩码，我们通过掩码特征混合技术增强模型鲁棒性。此外，我们引入了一个用于分级溢酮病的新型数据集，包含 750 张标注的肠状窦生物标本图像。MeasureNet 在二分类任务中实现 82.66% 的分类准确率，在多分类分级任务中实现 81% 的准确率。代码：https://github.com/dair-iitd/MeasureNet
引用
@article{arxiv.2412.01182,
title = {MeasureNet: Measurement Based Celiac Disease Identification},
author = {Aayush Kumar Tyagi and Vaibhav Mishra and Ashok Tiwari and Lalita Mehra and Prasenjit Das and Govind Makharia and Prathosh AP and Mausam},
journal= {arXiv preprint arXiv:2412.01182},
year = {2024}
}