Polyp Location in Colonoscopy Based on Deep Learning

Avaliação De Aumento De Dados via Geração De Imagens Sintéticas Para Segmentação E Detecção De Pólipos Em Imagens De Colonoscopia Utilizando Aprendizado De Máquina

“…Estudos mais recentes também apresentam metodologias baseadas em aprendizado de máquina como em [72,90,105,148,150]. No estudo apresentado por Zhang et al [150] os autores descrevem uma arquitetura CNN baseada na abordagem YOLO [111] para detecção de pólipos.…”

“…Em Ma et al [90] foi proposto a utilização do modelo SSD baseado na rede VGG 16 [62]. Os autores modificaram camadas do modelo adicionando estruturas inception [132], além do uso de algoritmos de otimização e perda para melhorar eficiência da rede.…”

“…Pode-se observar que os estudos utilizam métricas em comum para verificar os resultados dos métodos propostos. Alguns dos autores selecionaram pelo menos a dupla de métricas precisão e revocação, que aparecem em 11 estudos [6,11,12,72,90,105,115,[134][135][136]150]. Destes apenas [12] e [11] não utilizaram métodos baseados em aprendizado de máquina.…”

“…Outra métrica bastante utilizada é acurácia 7 . Esta é aplicada em 9 estudos [1,3,11,64,68,83,90,92,148]. Os estudos [3,64,83,92] A revocação (ou sensibilidade) é uma métrica importante no contexto da detecção de pólipos pois é direcionada para redução de falsos negativos, i.e., quando o pólipo não é identificado pelo sistema.…”

“…Contudo, os autores não forneceram os valores de outras métricas além de acurácia e não indicaram o tempo de processamento. O estudo de Ma et al [90] baseado em um modelo SSD modificado alcançou acurácia de 96.04%, sensibilidade de 93.67% e especificidade de 98.36%, no entanto precisou aplicar várias técnicas de aumento de dados e Tabela 3.5: Quantidade de imagens utilizadas por estudo.…”