基于超像素分割与基于 SVM 分类的无线胶囊内镜五类疾病与正常区域区分方法
计算机视觉与模式识别
2017-11-20 v1
摘要
无线胶囊内镜（WCE）是一项相对较新的检查整个胃肠道的技术。在一次检查中，它捕获超过 55,000 帧图像。审阅所有这些图像耗时且易受人误影响。开发辅助医生审阅帧的智能方法一直是一项挑战。WCE 帧以 8 位色深捕获，提供了足以检测异常的色彩范围。本文提出基于超像素的方法分割五种疾病，包括：出血、克罗恩病、淋巴管扩张、黄色瘤和淋巴样增生。比较两种超像素方法以提供这些常见疾病的语义分割：简单线性迭代聚类（SLIC）和快速偏移（QS）。分割后的超像素通过支持向量机（SVM）利用纹理和颜色特征被分类为两类（正常与异常）。对于两种超像素方法，准确率、特异性、灵敏度和精度（SLIC, QS）分别约为 92%、93%、93% 和 88%。然而，SLIC 比 QS 显著更快。
引用
@article{arxiv.1711.06616,
title = {Superpixels Based Segmentation and SVM Based Classification Method to Distinguish Five Diseases from Normal Regions in Wireless Capsule Endoscopy},
author = {Omid Haji Maghsoudi},
journal= {arXiv preprint arXiv:1711.06616},
year = {2017}
}