arxiv：2410.19363v2 [cs.cv] 2024年12月23日__

arxiv：2410.19363v2 [cs.cv] 2024年12月23日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2410.19363v2 [cs.cv] 2024年12月23日

¥ 1.0

热度

胃肠道的异常异常会显着影响患者的健康，并需要及时诊断以进行有效治疗。考虑到这一点，视频胶囊内窥镜（VCE）框架对这些异常的有效自动分类对于改善诊断工作流程至关重要。这项工作介绍了开发和评估一种新型模型的过程，该模型旨在从VCE视频框架中对胃肠道异常进行分类。 Omni Di-Mensional Got Goate（OGA）机制和小波转换技术的整合到模型的体系结构中，该模型可以专注于内窥镜图像中最关键的区域，从而降低噪声和无关紧要的特征。这在胶囊内窥镜检查中尤其重要，其中图像通常包含质地和颜色的高度可变性。小波转换是通过有效捕获空间和频域信息的贡献，从而改善了特征提取，尤其是用于检测VCE框架的微妙特征。此外，从固定小波变换和离散小波变换中提取的特征是串联的通道以捕获多尺度特征，这对于检测息肉，溃疡和出血至关重要。这种方法提高了不平衡胶囊启示数据集的分类精度。提出的模型达到了92。 76％和91。分别为培训和验证精度为19％。同时，培训和验证损失为0。 2057和0。 2700。 81％，AUC为87。 49％，F1得分为91。异常会显着影响患者的健康，并需要及时诊断以进行有效治疗。考虑到这一点，视频胶囊内窥镜（VCE）框架对这些异常的有效自动分类对于改善诊断工作流程至关重要。这项工作介绍了开发和评估一种新型模型的过程，该模型旨在从VCE视频框架中对胃肠道异常进行分类。Omni Di-Mensional Got Goate（OGA）机制和小波转换技术的整合到模型的体系结构中，该模型可以专注于内窥镜图像中最关键的区域，从而降低噪声和无关紧要的特征。这在胶囊内窥镜检查中尤其重要，其中图像通常包含质地和颜色的高度可变性。小波转换是通过有效捕获空间和频域信息的贡献，从而改善了特征提取，尤其是用于检测VCE框架的微妙特征。此外，从固定小波变换和离散小波变换中提取的特征是串联的通道以捕获多尺度特征，这对于检测息肉，溃疡和出血至关重要。这种方法提高了不平衡胶囊启示数据集的分类精度。提出的模型达到了92。76％和91。分别为培训和验证精度为19％。同时，培训和验证损失为0。2057和0。2700。81％，AUC为87。 49％，F1得分为91。81％，AUC为87。49％，F1得分为91。提出的模型达到了平衡的精度94。11％，精度为91。17％，召回91。19％和98的特异性。44％。此外，该模型的性能是针对两个基本模型VGG16和RESNET50的基准测试的，证明了其增强的能力，可以准确识别和分类一系列胃肠道异常。这项工作在2024 Capsule Vision Challenge中获得了第27位。可以在https://github.com/09srinivas2005/capsule-endoscopy-multi-classificatio n-via-gia-gia-gated-gated-gatew-githet-and-thevelet-transformations.git上找到实施和其他资源。

添加pdf代下载 VIP点击下载文件