利用超灵敏视觉触觉传感器与扩张残差网络对结直肠癌息肉进行 pit-pattern 分类
机器学习
2022-11-15 v1 机器人学
信号处理
摘要
在本研究中，以降低结直肠癌（CRC）息肉早期检测漏诊率为目标，我们提出利用一种称为 HySenSe 的新型超灵敏视觉触觉传感器，以及一种互补且新颖的机器学习（ML）架构，该架构探索了在小规模（数百张图像量级）数据集上利用扩张卷积、ResNet 架构的有益特性以及迁移学习概念的潜力。所提出的触觉传感器提供 CRC 息肉的高分辨率 3D 纹理图像，将用于通过所提出的扩张残差网络对其进行准确分类。为收集用于训练 ML 模型并评估其性能的逼真 CRC 息肉表面图案，我们首先设计并增材制造了 160 个由 4 种不同硬度组成的独特逼真息肉体模。随后，将所提架构与最先进的 ML 模型（如 AlexNet 和 DenseNet）进行比较，证明其在性能和复杂度方面均更优。
引用
@article{arxiv.2211.06814,
title = {Pit-Pattern Classification of Colorectal Cancer Polyps Using a Hyper Sensitive Vision-Based Tactile Sensor and Dilated Residual Networks},
author = {Nethra Venkatayogi and Qin Hu and Ozdemir Can Kara and Tarunraj G. Mohanraj and S. Farokh Atashzar and Farshid Alambeigi},
journal= {arXiv preprint arXiv:2211.06814},
year = {2022}
}