适应性特征提取方法用于囊内镜图像
Dingchang Wu1, Yinghui Wang2, Haomiao Ma3
1School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi, 214122, Jiangsu, China.
Visual computing for industry, biomedicine, and art
|December 10, 2023
概括
在囊内镜图像 (AFFCEI) 中,一种新的自适应值FAST和FREAK方法改善了囊内镜特征检测. 与传统方法相比,AFFCEI提高了特征歧视和匹配精度.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 传统的定向FAST和旋转BRIEF (ORB) 方法使用固定值,限制囊内镜中的特征歧视.
- ORB描述器很难有效地区分囊内镜图像中的特征,影响诊断的准确性.
研究的目的:
- 引入一种新的特征检测方法,即囊内镜图像中的自适应值FAST和FREAK (AFFCEI),以改进囊内镜图像分析.
- 通过解决现有方法的局限性,提高囊内镜特征提取和匹配的准确性和效率.
主要方法:
- 构建图像金字塔,并根据局部灰色值对比度自适应计算像素值,以提取特征.
- 使用FREAK描述符来增强从胃图像的特征歧视.
- 采用基于网格的运动统计和RANSAC算法进行精细的特征匹配和异常值拒绝.
主要成果:
- 与ASIFT方法相比,AFFCEI方法在平均匹配得分上显示了5%的改善.
- AFFCEI的平均运行时间是ASIFT方法的四分之五,这表明效率提高.
- 拟议的方法有效地追踪移动囊内镜中的特征,优于以前的先进技术.
结论:
- 在囊内镜中,AFFCEI为特征提取和匹配提供了更强大,更有效的解决方案.
- 适应值和FREAK描述符在具有挑战性的内镜环境中显著改善了特征歧视.
- 这一进步有可能提高囊内镜手术的诊断能力.
更多相关视频
13:44Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
Published on: August 30, 2013
42.9K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
