用于胃肠内镜图像伪影去除的深度学习架构性能比较
图像与视频处理
2022-01-04 v1 计算机视觉与模式识别
机器学习
摘要
内镜图像通常含有多种伪影。这些伪影显著影响计算机辅助诊断中的图像分析结果。卷积神经网络（CNNs）作为一种深度学习，可去除此类伪影。已有多种 CNN 架构被提出，且伪影去除的准确率随架构选择而异。因此，有必要根据所选架构确定伪影去除准确率。本研究中，我们以内镜手术器械作为伪影，使用七种不同 CNN 架构确定并讨论伪影去除准确率。
引用
@article{arxiv.2201.00084,
title = {Performance Comparison of Deep Learning Architectures for Artifact Removal in Gastrointestinal Endoscopic Imaging},
author = {Taira Watanabe and Kensuke Tanioka and Satoru Hiwa and Tomoyuki Hiroyasu},
journal= {arXiv preprint arXiv:2201.00084},
year = {2022}
}