Automatic Detection and Classification of Colorectal Polyps by Transferring Low-Level CNN Features From Nonmedical Domain

• 제목: Automatic Detection and Classification of Colorectal Polyps by Transferring Low-Level CNN Features From Nonmedical Domain
• 발표해: 2016년
• 학술지명: IEEE Journal of Biomedical and Health Informatics
• 목표: 대장 내시경 영상에서 정상인 영상, 과형성 용종, 선종성 용종 영상을 분류
• 용종 영상의 종류

(a)~(c) : 과형성 용종, (d)~(f) : 선종성 용종, (g)~(i):  정상 영상

• 분류 방법: Convolutional Neural Networks(CNN)와 SVM(Support Vector Machine)이 혼합된 모델을 제안
• 분류 모델

- CNN의 컨볼루션층에서 특징을 추출하고, 추출된 특징은 SVM을 통하여 영상을 분류하는 구조를 가진다. 

- 1차적으로 non-polyp영상과 polyp(hyperplasia, adenomatous) 영상을 분류

- 2차적으로 분류된 polyp 영상중 hyperplasia와 adenomatous 영상을 분류함

- 특이사항으로 본 논문에서 제안하는 CNN의 컨볼루션층은 대장 내시경 영상이 학습되지 않은 모델임

- 본 논문에서 사용되는 컨볼루션층은 비의료 영상인 ImageNet Dataset으로 학습된 CNN 모델을 사용.

- 또한, 사용한 CNN 모델은 CaffeNet^[각주:1]을 사용

• 실험결과 : 비용종과 용종 영상 구분에는 90% 이상의 분류 성능을 보이지만 과형성 용종과 선종성 용종 구분에서는 90% 미만의 성능을 보이고 있음.

1. Y. Jia, E. Shelhamer, J. Donahue, S. Karayev, J. Long, R. Girshick, S. Guadarrama, and T. Darrell, "Caffe: Convolutional architecture for fast feature embedding," in Proceedings of the 22nd ACM international conference on Multimedia, Florida, USA, Nov 2014, pp. 675-678. [본문으로]