基于 U-Net-MobileNetV2 的结肠镜图像息肉分割
图像与视频处理
2021-03-30 v1 信号处理
摘要
由良性或恶性息肉的出现引发的结直肠癌是世界上最致命的疾病之一。为在患者体内发现这些息肉，需进行结肠镜检查，这是一种非常有效的技术。临床上，检测和分割这些息肉以确定其是否存在是一个极其困难的过程，需要专业人员大量的时间与经验，并直接依赖于这些因素。因此，拥有一种自动、有效且可靠的息肉检测与分割方法变得愈发重要，可使诊断更快更准确。为辅助开发这样的方法，我们提出了 U-Net-MobileNetV2 模型，它是两个神经网络的结合，其中一个作为另一个的编码器并负责学习图像特征。我们的实验产生了令人满意的结果，表现出良好的性能与分割效果。在 Kvasir-SEG 数据集上，U-Net-MobileNetV2 取得了 89.71% 的 Dice 系数与 81.64% 的 IoU，均高于其他 SOTA 模型所得结果。
引用
@article{arxiv.2103.15715,
title = {Polyp Segmentation in Colonoscopy Images using U-Net-MobileNetV2},
author = {Marcus V. L. Branch and Adriele S. Carvalho},
journal= {arXiv preprint arXiv:2103.15715},
year = {2021}
}
备注
4 pages, 2 figures, 1 table