改进的M2det内窥镜息肉检测方法

• 作者: 王博 张丽媛 师为礼 杨华民 蒋振刚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 息肉检测 计算机辅助诊断 M2det 特征融合模块(FFMs) 空间和通道上的压缩激励网络(scSENet) Focal loss
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 193-200
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008-0084

摘要

结直肠癌是一种致命的疾病,作为息肉的肠腺瘤被认为是结直肠癌的主要病因,因此在临床诊断中发现肠息肉是一项至关重要的任务.息肉检测通常由医生操作内窥镜来实现,由于肠道环境复杂,息肉影像数据量大,小尺度息肉不易辨识,息肉检查过程除了极其依赖医生经验之外,工作压力和强度也给医生带来了极大的负担,因此需要借助计算机辅助诊断技术来检测息肉,该技术可以有效地处理大量的息肉影像数据、发现早期息肉、提高息肉检测的准确率.目前的一些方法对小型息肉存在漏检,因此提出了一种改进的M2det方法用于息肉检测,通过FFMs模块融合主干网络特征,使图像特征得到了充分利用,在SFAM模块中增加scSENet注意力机制,保留了有效特征,抑制无用特征,采用Focal loss计算分类损失,解决了正负样本不平衡问题.大量实验表明,该方法可以有效地检测出息肉且优于前沿的息肉检测方法,在CVC15数据集上mAP、F1-score、F2-score分别提升到了98.25％、97.30％、97.98％.