Y-Net：一种用于息肉检测的深层卷积神经网络
计算机视觉与模式识别
2019-11-25 v1
摘要
结直肠息肉是结肠癌的重要前驱病变，而结肠癌是男女性中第三大最常见的癌症死亡原因。这是一种早期检测至关重要的疾病。结肠镜常用于癌症及癌前病变的早期发现。这是一项苛求的程序，需要专科医师和护士投入大量时间，且专家对息肉的漏诊率也相当显著。结肠镜视频中的自动息肉检测已被证明是处理该问题的一种有前景的方式。{然而，由于可用训练数据有限且息肉外观差异大，息肉检测是一个具有挑战性的问题。为处理该问题，我们提出了一种新颖的深度学习方法 Y-Net，其由两个编码器网络与一个解码器网络组成。我们提出的 Y-Net 方法}依赖于对预训练与未训练模型的高效使用以及新颖的 sum-skip-concatenation 操作。各编码器与解码器一起以编码器特定的学习率进行训练。与先前采用手工特征或 2-D/3-D 卷积神经网络的方法相比，我们的方法在息肉检测上以 7.3% 的 F1 分数和 13% 的召回率提升优于最先进方法。
引用
@article{arxiv.1806.01907,
title = {Y-Net: A deep Convolutional Neural Network for Polyp Detection},
author = {Ahmed Mohammed and Sule Yildirim and Ivar Farup and Marius Pedersen and Øistein Hovde},
journal= {arXiv preprint arXiv:1806.01907},
year = {2019}
}
备注
11 Pages, 3 figures