基于特征增强模块与时空相似关联单元的结肠镜实时自动息肉检测
摘要
息肉的自动检测具有挑战性，因为不同息肉差异很大，而息肉与其相似物间的变化很小。现有最优方法基于卷积神经网络(CNNs)。然而，它们可能因缺乏训练数据而失效，导致高漏检率与假阳性(FPs)。为解决这些问题，我们的方法将基于二维(2-D) CNN的实时目标检测器网络与时空信息结合。首先，我们使用2-D检测器网络检测静态图像与帧，并基于该检测器网络提出两个特征增强模块——假阳性重学习模块(FPRM)使检测器网络更多学习FPs特征以提高精度，以及图像风格迁移模块(ISTM)增强息肉特征以提升灵敏度。在视频检测中，我们整合时空信息，利用结构相似性(SSIM)度量视频帧间相似度。最后，我们提出帧间相似关联单元(ISCU)将检测器网络结果与帧相似度结合以做出最终决策。我们在私有与公开数据库上验证了方法。实验结果表明这些模块与单元相较基线方法提升了性能。与最优方法对比显示所提方法优于现有方法且满足实时约束。这表明我们的方法在灵敏度、精度与特异度上均有性能提升，并在临床结肠镜中具有很大应用潜力。
引用
@article{arxiv.2201.10079,
title = {Real-time automatic polyp detection in colonoscopy using feature enhancement module and spatiotemporal similarity correlation unit},
author = {Jianwei Xu and Ran Zhao and Yizhou Yu and Qingwei Zhang and Xianzhang Bian and Jun Wang and Zhizheng Ge and Dahong Qian},
journal= {arXiv preprint arXiv:2201.10079},
year = {2022}
}
备注
This paper has been accepted by Biomedical Signal Processing and Control. Please cite the paper as Xu, J., Zhao, R., Yu, Y., Zhang, Q., Bian, X., Wang, J., Ge, Z., Qian, D., 2021. Real-time automatic polyp detection in colonoscopy using feature enhancement module and spatiotemporal similarity correlation unit. Biomedical Signal Processing and Control 66, 102503