POLYP SEGMENTATION BASED ON THE IMPROVING RECURRENT RESIDUAL U-NET METHOD

Abstract

Polyp là dạng khối u ở đại tràng mà người bệnh có thể gặp phải ở mọi giới tính. Việc xác định được hình dạng và kích thước của polyp trong hình ảnh y khoa sẽ hỗ trợ rất nhiều cho quá trình chẩn đoán và điều trị lâm sàng. Từ đó hỗ trợ các y bác sĩ phát hiện kịp thời và có phác đồ điều trị phù hợp nhằm tăng khả năng cứu chữa thành công cho người bệnh. Bài toán phân đoạn được thực hiện nhằm hỗ trợ quá trình xác định này. Tuy nhiên, việc lựa chọn bản đồ đặc trưng cho phân đoạn là vấn đề luôn cần cải tiến và tối ưu trong lĩnh vực thị giác máy tính. Bài báo này trình bày phương pháp Recurrent Residual U-Net (R2U-Net) được hiệu chỉnh hệ thống mã hóa-giải mã để phân đoạn ảnh polyp. Quá trình cải tiến được thực hiện bằng cách thay thế các lớp Convolution bằng các lớp Recurrent Convolution và áp dụng phần dư khối trong mỗi khối của nó. Phương pháp đề xuất được thử nghiệm trên tập dữ liệu Kvasir-SEG và EndoTect 2020. Kết quả đánh giá được so sánh với các phương pháp gần đây bằng chỉ số Jaccard Index.