论结肠镜中单视图深度的不确定性
计算机视觉与模式识别
2022-07-21 v2
摘要
从内镜图像估计深度信息是众多 AI 辅助技术（如肿瘤精确定位与测量，或识别未检查区域）的先决条件。由于结肠镜的域特异性——具有液体、光照条件差和传感器突动的可形变低纹理环境——对多视图 3D 重建构成挑战，单视图深度学习成为一条有前景的研究路线。深度学习可在贝叶斯框架下扩展，其支持持续学习、改进决策，并可用于计算置信区间或量化体内测量的不确定性。本文中，我们首次探索用于结肠镜单视图深度估计的贝叶斯深度网络。我们的具体贡献有两点：1）对不同数据集中用于深度学习的可扩展贝叶斯网络进行详尽分析，突出关于合成到真实域变化以及有监督与自监督方法的挑战与结论；2）一种考虑教师不确定性的深度深度学习的新型师生方法。
引用
@article{arxiv.2112.08906,
title = {On the Uncertain Single-View Depths in Colonoscopies},
author = {Javier Rodríguez-Puigvert and David Recasens and Javier Civera and Rubén Martínez-Cantín},
journal= {arXiv preprint arXiv:2112.08906},
year = {2022}
}
备注
11 pages