[论文解读] Segmentation of Bleeding Regions in Wireless Capsule Endoscopy Images an Approach for inside Capsule Video Summarization

Mohsen Hajabdollahi, Reza Esfandiarpoor+4 more|arXiv (Cornell University)|Feb 21, 2018

Gastrointestinal Bleeding Diagnosis and TreatmentMedicine参考文献 17被引用 16

一句话总结

本文提出了一种轻量级、硬件高效的无线胶囊内镜（WCE）图像出血区域分割方法，通过颜色通道选择和量化多层感知机（MLP）实现，以支持实时视频摘要。该方法通过消除乘法运算降低计算复杂度，在满足可植入系统资源约束的前提下，实现了在WCE出血数据集上的高精度。

ABSTRACT

Wireless capsule endoscopy (WCE) is an effective means of diagnosis of gastrointestinal disorders. Detection of informative scenes by WCE could reduce the length of transmitted videos and can help with the diagnosis. In this paper we propose a simple and efficient method for segmentation of the bleeding regions in WCE captured images. Suitable color channels are selected and classified by a multi-layer perceptron (MLP) structure. The MLP structure is quantized such that the implementation does not require multiplications. The proposed method is tested by simulation on WCE bleeding image dataset. The proposed structure is designed considering hardware resource constrains that exist in WCE systems.

研究动机与目标

• 为解决无线胶囊内镜（WCE）视频中数据量过大的挑战，通过识别并摘要仅包含信息量的出血区域。
• 开发一种适合在资源受限的WCE系统中部署的低复杂度分割方法。
• 通过基于颜色的特征提取与分类，聚焦于出血区域，实现实时视频摘要。
• 设计一种避免乘法运算的量化MLP架构，以降低片上实现的计算负载。
• 在符合真实硬件约束的WCE出血图像数据集上验证该方法。

提出的方法

• 该方法从WCE图像中选择特定颜色通道（如红色、绿色、蓝色）以增强出血区域检测。
• 训练一个多层感知机（MLP）以基于所选颜色特征将像素分类为出血或非出血。
• 对MLP进行量化，以消除浮点乘法运算，从而实现低功耗WCE系统中的高效硬件部署。
• 特征提取聚焦于胶囊内镜图像中胃肠道出血的典型颜色强度变化。
• 分类模型经过优化，实现低延迟推理，适用于实时视频处理。
• 通过基于仿真的测试在公开的WCE出血图像数据集上评估该系统。

实验结果

研究问题

• RQ1 轻量级、量化的MLP模型是否能以极低的计算开销有效分割WCE图像中的出血区域？
• RQ2 所选颜色通道在胶囊内镜图像中对改善出血区域检测有何贡献？
• RQ3 在不损害分割精度的前提下，MLP中可消除多少乘法运算？
• RQ4 所提出的方法是否能在WCE设备严格的硬件资源约束下实现实时视频摘要？
• RQ5 在基准WCE出血图像数据集上，该方法在准确率和效率方面表现如何？

主要发现

• 所提出的方法仅使用选定的颜色通道和量化MLP，就在WCE出血图像数据集上实现了高分割准确率。
• MLP结构中消除乘法运算显著降低了计算复杂度，使其适用于嵌入式WCE系统。
• 通过硬件感知的模型设计，该方法通过最小化延迟实现了实时处理。
• 尽管精度降低，量化MLP仍保持了出色的性能，证明其在低功耗应用中的鲁棒性。
• 仿真结果证实了该方法在无线胶囊内镜视频摘要中的可行性。
• 该系统通过聚焦于出血区域，有效减少了视频数据量，支持更快的诊断。