.png){kind=icon}
返回
Multicentered Data Based Polyp Detection Using Colonoscopy Images Using DNN
.png){kind=icon}
PRE
AI
DOI：10.1002/ima.70123.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
结肠息肉的诊断与筛查对于结直肠癌的早期发现至关重要。息肉可通过结肠镜检查在癌变前被识别，因此准确检测和及时干预对结直肠健康极为关键。本研究对基于结肠镜图像的深度学习模型进行了全面评估，并与当前先进模型进行了比较。研究使用了PolypGen多中心数据集中的7900张静态图像和视频序列图像，用于训练前沿的目标检测模型，包括YOLOv5、YOLOv7、YOLOv8和F-RCNN + ResNet101。在准确率、精确率、召回率和mAP方面，YOLOv8x模型表现最佳，其F1得分为0.9058，准确率为0.949，精确率为0.863，且[AP@0.5]为[具体数值未提供]。通过外部Kvasir数据集，在不同患者群体和条件下进一步验证了模型的鲁棒性。为提升可解释性，采用了EigenCam可解释人工智能（XAI）技术，通过突出输入图像中最具影响力的区域，为模型决策过程提供可视化见解。
Keyword:
deep learning
EigenCam
machine learning
medical imaging
polyp detection
PolypGen
期刊
IF:
2.5
论文数:
2.2K
被引数:
2.3K
机构
引用论文
Grad-CAM++: Generalized Gradient-Based Visual Explanations for Deep Convolutional NetworksGrad-cam: 基于广义梯度的深度卷积网络视觉解释
OAAI
OAAI分享收藏
Colorectal Cancer: CT Colonography and Colonoscopy for Detection-Systematic Review and Meta-Analysis.png)
RADIOLOGYOAAI
RADIOLOGYIF15.2
OAAI分享收藏A New Approach to Polyp Detection by Pre-Processing of Images and Enhanced Faster R-CNN一种通过图像预处理和增强的Faster r-cnn进行息肉检测的新方法IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏Simplified Versus Standard Radiofrequency Ablation Protocols for Barrett's Esophagus: A Systematic Review and Meta-Analysis简化与标准射频消融方案用于Barrett食管：一项系统评价和Meta分析
IF0
PREAI
分享收藏
查看更多内容