结肠镜图像的无监督分割
图像与视频处理
2023-12-21 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
结肠镜检查在各种胃肠道疾病的诊断和预后中起着至关重要的作用。由于收集大规模高质量结肠镜图像（以及更广泛的医学图像）的真实标注面临挑战，我们探索了在结肠镜图像的三个具有挑战性的任务中使用来自视觉 Transformer 的自监督特征。我们的结果表明，从 DINO 模型学习的图像级特征实现了与全监督模型相当的图像分类性能，而补丁级特征包含了丰富的用于目标检测的语义信息。此外，我们证明了将自监督特征与无监督分割相结合，可以以完全无监督的方式发现多种临床相关结构，展示了这些方法在医学图像分析中的巨大潜力。
引用
@article{arxiv.2312.12599,
title = {Unsupervised Segmentation of Colonoscopy Images},
author = {Heming Yao and Jérôme Lüscher and Benjamin Gutierrez Becker and Josep Arús-Pous and Tommaso Biancalani and Amelie Bigorgne and David Richmond},
journal= {arXiv preprint arXiv:2312.12599},
year = {2023}
}