迈向结肠镜计算机辅助诊断系统：基于卷积神经网络的息肉自动分割
计算机视觉与模式识别
2021-01-18 v1 机器学习
摘要
早期诊断对于包括结直肠癌（CRC）在内的肠癌的成功治疗至关重要，结合自动化图像分析的具有机器人驱动的胶囊内镜成像可成为一种有价值的诊断工具。我们提出了一种基于深度学习的检测与分割框架，用于识别结肠镜和胶囊内镜图像中的病变。我们通过将 VGG 和 ResNets 等已建立的卷积架构转换为全卷积网络（FCNs）来重构它们，对其进行微调，并研究它们在息肉分割与检测方面的能力。此外，我们使用从 shading 恢复形状（SfS）来恢复深度，并在结肠镜图像中提供组织结构的更丰富表示。深度作为 RGB 信息的额外输入通道被整合进我们的网络模型，我们证明由此得到的网络提升了性能。我们的网络在公开可用数据集上测试，最准确的分割模型在 ETIS-Larib 和 CVC-Colon 数据集上分别达到了 47.78% 和 56.95% 的平均分割 IU。对于息肉检测，我们提出的最优性能模型超越了当前 SOTA，在所有测试数据集上检测召回率优于 90%。据我们所知，我们提出了首个将 FCNs 用于息肉分割的工作，并提出了一种结合 SfS 与 RGB 的新颖组合以提升性能。
引用
@article{arxiv.2101.06040,
title = {Towards a Computed-Aided Diagnosis System in Colonoscopy: Automatic Polyp Segmentation Using Convolution Neural Networks},
author = {Patrick Brandao and Odysseas Zisimopoulos and Evangelos Mazomenos and Gastone Ciuti and Jorge Bernal and Marco Visentini-Scarzanella and Arianna Menciassi and Paolo Dario and Anastasios Koulaouzidis and Alberto Arezzo and David J Hawkes and Danail Stoyanov},
journal= {arXiv preprint arXiv:2101.06040},
year = {2021}
}
备注
10 pages, 6 figures