基于深度学习的胶囊内窥镜视频摘要提取
邱威
长江大学电子信息学院 湖北荆州 434023
摘要：在消化道疾病的诊断中,无线胶囊内窥镜(wireless capsule endoscopy,WCE)技术以其无创、无痛等特点得到了广泛的应用.然而,在诊断过程中,WCE会产生含有整个消化道大约 55000 张图像,仅靠医生通过人眼观察并作出诊断是既费时又费力的.随着人工智能技术的不断发展与进步,对医疗领域的研究也越来越多,研究人员利用深度学习的技术提出了去除冗余的胶囊内窥镜图像和检测出病灶区域的技术,有利于减轻医生的工作强度,提高医生的工作效率.因此,去除冗余的胶囊内窥镜图像的技术逐渐成为研究热点.利用深度学习的技术,设计并实现了基于深度学习的胶囊内窥镜视频摘要提取的方法,利用ResNet-50提取胶囊内窥镜图像中更为高级的特征,能够克服使用传统方法使用低级特征的局限性,同时使用三元损失函数和二元交叉熵损失函数作为总的损失函数,提升了模型分类的精度.实验结果表明,与现有的相关方法进行对比,基于深度学习的胶囊内窥镜视频摘要提取方法,能够帮助医生减轻工作强度,提高工作效率,具有临床应用价值.
关键词：消化道疾病无线内窥镜ResNet-50深度学习三元损失
论文发表日期：2023-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 63-66 )