Gallbladder Cancer Detection in Ultrasound Images based on YOLO and Faster R-CNN

要約

医療画像分析は、病気の診断における人工知能の重要な応用です。
このプロセスにおける重要なステップは、画像内の関心領域を特定することです。
このタスクは、物体検出アルゴリズムを使用して自動化できます。
YOLO と Faster R-CNN はこのようなアルゴリズムで有名ですが、それぞれに独自の長所と短所があります。
この研究は、超音波画像から胆嚢検出のためのより正確な境界ボックスを選択するための両方の技術の利点を調査し、それによって胆嚢癌の分類を強化することを目的としています。
この研究では、両方の技術の利点を活用した融合方法を紹介します。
提案された方法は、Faster R-CNN と YOLOv8 を個別に使用した場合の精度がそれぞれ 90.16% と 82.79% であったのと比較して、92.62% の精度で優れた分類パフォーマンスを示しました。

要約(オリジナル)

Medical image analysis is a significant application of artificial intelligence for disease diagnosis. A crucial step in this process is the identification of regions of interest within the images. This task can be automated using object detection algorithms. YOLO and Faster R-CNN are renowned for such algorithms, each with its own strengths and weaknesses. This study aims to explore the advantages of both techniques to select more accurate bounding boxes for gallbladder detection from ultrasound images, thereby enhancing gallbladder cancer classification. A fusion method that leverages the benefits of both techniques is presented in this study. The proposed method demonstrated superior classification performance, with an accuracy of 92.62%, compared to the individual use of Faster R-CNN and YOLOv8, which yielded accuracies of 90.16% and 82.79%, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google