基于多尺度卷积神经网络的胶囊内窥镜出血点快速识别

发布时间：2023-11-24 23:41

　　无线胶囊内窥镜技术WCE已广泛应用于胃肠道疾病辨识中,然而随之产生的海量影像学数据为医生阅片带来了沉重负担。针对WCE图像出血点自动识别中存在的颜色和纹理特征不明显、易与正常器官混淆,细节特征模糊与病灶尺寸大小不一,以及含有较多杂质等问题,提出残差多尺度全卷积神经网络对含出血点的WCE图像进行快速分类辨识。通过引入残差学习网络中跳跃连接以及Inception网络中多尺度卷积核的思想,使简洁的网络结构能够有效提取图像的各类病灶细节特征。从实验结果看,网络的灵敏度达到98.05%,特异度达到97.67%,准确率达到97.84%,优于ResNet50和Inception-v4网络,识别效率高,且收敛速度更快,计算性能有所提升。总之,该网络兼顾出血点识别效率和性能,实用性较强。

【文章页数】：6 页

【文章目录】：
1 引言
2 WCE图像出血点识别分析
3 基于残差的多尺度全卷积网络
    3.1 基于残差思想的全卷积神经网络
    3.2 多尺度卷积-跳跃连接模块
4 实验与测试
    4.1 数据集的构成
    4.2 实验测试环境与方案
    4.3 评估指标
    4.4 实验结果与分析
5 结束语



本文编号：3866831