YOLO-OB：一种改进的无锚框实时多尺度结肠镜息肉检测器
计算机视觉与模式识别
2023-12-15 v1
摘要
预计到 2023 年，结肠癌将成为美国第二大癌症死因。尽管结肠镜检查是早期预防结肠癌的最有效方法之一，但内镜医生可能会漏诊高达 30% 的息肉，从而增加患者患结肠癌的风险。尽管深度神经网络已被证明是提高息肉检出率的有效手段，然而，息肉大小的变化带来了以下问题：(1) 难以设计高效且充分的多尺度特征融合结构；(2) 将不同大小的息肉与固定大小的锚框进行匹配是一项艰巨的挑战。这些问题降低了息肉检测的性能，也降低了模型的训练和检测效率。为了应对这些挑战，本文提出了一种名为 YOLO-OB 的新模型。具体而言，我们开发了一种双向多尺度特征融合结构 BiSPFPN，能够增强 CNN 不同深度间的特征融合能力。我们采用了 ObjectBox 检测头，该检测头使用基于中心的无锚框回归策略，能够在任意尺度的特征图上检测不同大小的息肉。在公开数据集 SUN 和自采集的结肠息肉数据集 Union 上的实验表明，所提出的模型显著提高了息肉检测的各项性能指标，尤其是召回率。与公开数据集 SUN 上的 SOTA 结果相比，所提出的方法在召回率上实现了 6.73% 的提升，从 91.5% 提高到了 98.23%。此外，使用 RTX3090 显卡，我们的 YOLO-OB 能够以每秒 39 帧的速度实现实时息肉检测。本文的实现可在此处找到：https://github.com/seanyan62/YOLO-OB。
引用
@article{arxiv.2312.08628,
title = {YOLO-OB: An improved anchor-free real-time multiscale colon polyp detector in colonoscopy},
author = {Xiao Yang and Enmin Song and Guangzhi Ma and Yunfeng Zhu and Dongming Yu and Bowen Ding and Xianyuan Wang},
journal= {arXiv preprint arXiv:2312.08628},
year = {2023}
}