基于Mask R-CNN的胃肠息肉图像增强检测

摘要：

对胃肠息肉图像进行检测,是医学影像识别中的一个重要部分,在胃肠息肉图像中检测不显著息肉和小目标息肉更是一个难点.为了提升胃肠息肉图像的检测率,减少对息肉病理的误判,提出了一种基于Mask R-CNN的胃肠息肉增强检测模型.模型网络结构上采用残差网络和特征金字塔网络对图像进行多尺度特征提取,在残差网络的卷积层中改进使用了可变形卷积以扩大模型的采样范围,采样后的特征图进一步输入区域候选网络中对息肉区域筛选.模型的预测输出部分设计了一个增强图像边缘强度的检测模块,通过滑动窗口二次检测的方式,增强对不显著息肉和小目标息肉的检测.模型能同时进行息肉图像检测和分割,并在Kvasir-SEG与CVC-ClinicDB两个息肉数据集上进行了验证,实验结果表明提出的方法能够在原有模型的基础上提升对息肉病灶的检测精确度和分割精确度,检测精确度分别达到了 94.3％和98.6％,分割精确度分别达到了 93.7％和98.7％,优于其他的对比模型.

关键词：Mask R-CNN、可变形卷积、边缘强度、息肉图像检测、图像分割

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：湖南省自然科学基金项目;湖南省自然科学基金项目

在线出版日期：2023-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：173-179