[论文解读] Colonoscopy Polyp Detection and Classification: Dataset Creation and Comparative Evaluations

Kaidong Li, Mohammad Isyroqi Fathan+7 more|arXiv (Cornell University)|Apr 21, 2021

Colorectal Cancer Screening and Detection参考文献 90被引用 120

一句话总结

本文引入了一个大规模、多源的结肠镜图像数据集，包含专家标注的息肉位置和组织学分类，可为深度学习模型的基准评估提供支持。该研究评估了八种最先进的目标检测模型在息肉检测与分类中的表现，结果表明 YOLOv4、ATSS 和 RefineDet 在精确率、召回率和一致性方面达到了最佳平衡，而 Faster R-CNN 在腺瘤性息肉检测中实现了最高的召回率（93.3%）。

ABSTRACT

Colorectal cancer (CRC) is one of the most common types of cancer with a high mortality rate. Colonoscopy is the preferred procedure for CRC screening and has proven to be effective in reducing CRC mortality. Thus, a reliable computer-aided polyp detection and classification system can significantly increase the effectiveness of colonoscopy. In this paper, we create an endoscopic dataset collected from various sources and annotate the ground truth of polyp location and classification results with the help of experienced gastroenterologists. The dataset can serve as a benchmark platform to train and evaluate the machine learning models for polyp classification. We have also compared the performance of eight state-of-the-art deep learning-based object detection models. The results demonstrate that deep CNN models are promising in CRC screening. This work can serve as a baseline for future research in polyp detection and classification.

研究动机与目标

• 创建一个标准化的、大规模的内镜图像数据集，包含用于结直肠癌筛查的真实息肉标注。
• 评估并比较八种最先进的基于深度学习的目标检测器在息肉检测与分类中的性能。
• 为使用内镜图像进行计算机辅助息肉诊断的未来研究建立基准。
• 探究定位优化对息肉分类性能的影响。

提出的方法

• 从多样化的临床来源收集结肠镜图像，构建全面的数据集。
• 由专家胃肠病学家使用边界框和组织学类型（腺瘤性、增生性）对息肉位置进行标注。
• 训练并评估八种最先进的深度学习目标检测器：Faster R-CNN、SSD、YOLOv3、RetinaNet、DetNet、RefineDet、YOLOv4 和 ATSS。
• 采用基于帧的一类检测和基于序列的二类分类方法，评估模型在视频序列中的鲁棒性。
• 使用精确率、召回率、F1-score、平均精度（AP）和推理时间等指标比较模型性能。
• 在 RetinaNet 中应用焦点损失，并采用锚点优化技术以提升对小息肉的检测效果。

实验结果

研究问题

• RQ1 在结肠镜图像中，哪种深度学习目标检测器对腺瘤性息肉的检测召回率最高？
• RQ2 单阶段与两阶段检测器在息肉检测中的精确率、召回率和推理速度方面有何差异？
• RQ3 定位优化对息肉分类性能有何影响？
• RQ4 模型在视频序列的多个帧中对同一息肉类别的预测一致性如何？
• RQ5 哪些模型在检测与分类任务中均表现出最强的鲁棒性与稳定性？

主要发现

• Faster R-CNN 在腺瘤性息肉检测中实现了最高的召回率（93.3%），在检测灵敏度方面优于大多数模型。
• RefineDet 在基于帧的一类检测中取得了最高的 F1-score（88.6）和 AP（88.5），表明其整体检测性能最佳。
• YOLOv4、ATSS 和 RefineDet 在检测与分类任务中均表现出最均衡的精确率、召回率和 F1-score。
• SSD 和 YOLOv3 的推理时间最快（17ms），可实现超过 60 FPS，适用于实时应用。
• DetNet 的精确率（85.8%）高于 Faster R-CNN（63.9%），但召回率较低（81.8%），表明其检测策略存在权衡。
• RefineDet、SSD、YOLOv4 和 ATSS 等模型在视频序列中表现出更高的类别预测一致性，超过 70% 的序列显示主导预测类别。