基于图归纳学习表示的息肉-伪影关系分析
计算机视觉与模式识别
2020-09-16 v1 机器学习
图像与视频处理
摘要
结直肠癌的诊断过程主要聚焦于结肠组织中称为息肉的异常增生的定位与表征。尽管深度目标定位近期取得进展，但由于组织间相似性及高水平伪影，息肉定位仍具挑战性。近期研究已表明伪影存在于息肉检测任务中的负面影响，并已在训练过程中加以考虑。然而，与息肉和伪影空间交互相关的先验知识尚未被利用。本工作中，我们在后处理步骤中引入伪影知识。我们的方法将该任务建模为归纳图表示学习问题，由训练与推断步骤组成。检测到的息肉与伪影边界框被视为由既定准则连接的节点。训练步骤利用真值边界框生成节点分类器。推断中，我们使用该分类器分析由区域提议网络给出的伪影与息肉预测生成的第二图。我们评估连通性与伪影选择如何影响方法性能，并展示其减少区域提议网络结果中假阳性的潜力。
引用
@article{arxiv.2009.07109,
title = {Polyp-artifact relationship analysis using graph inductive learned representations},
author = {Roger D. Soberanis-Mukul and Shadi Albarqouni and Nassir Navab},
journal= {arXiv preprint arXiv:2009.07109},
year = {2020}
}