用于自动视频内窥镜数据分析的双流深度特征建模
计算机视觉与模式识别
2020-07-14 v1 机器学习
摘要
自动分析在内窥镜检查过程中捕获的胃肠道 (GI) 影像对患者具有巨大的潜在益处，因为它可以为医疗从业者提供诊断支持，并减少人为失误。为了进一步推动此类方法的发展，我们提出了一种用于内窥镜图像分析的双流模型。我们的模型通过一种新颖的关系网络模型映射其固有关系，融合两流深度特征输入，以更好地对症状进行建模并对图像进行分类。与基于手工特征的模型相比，我们提出的网络能够自动学习特征，并在两个公开数据集 KVASIR 和 Nerthus 上优于现有的 SOTA 方法。我们广泛的评估表明，采用两流输入而非单流输入的重要性，同时也证明了所提出的关系网络架构在结合这些流方面的优点。
引用
@article{arxiv.2007.05914,
title = {Two-Stream Deep Feature Modelling for Automated Video Endoscopy Data Analysis},
author = {Harshala Gammulle and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:2007.05914},
year = {2020}
}
备注
Accepted for Publication at MICCAI 2020