摘要：
无线胶囊内窥镜技术WCE已广泛应用于胃肠道疾病辨识中,然而随之产生的海量影像学数据为医生阅片带来了沉重负担。针对WCE图像出血点自动识别中存在的颜色和纹理特征不明显、易与正常器官混淆,细节特征模糊与病灶尺寸大小不一,以及含有较多杂质等问题,提出残差多尺度全卷积神经网络对含出血点的WCE图像进行快速分类辨识。通过引入残差学习网络中跳跃连接以及Inception网络中多尺度卷积核的思想,使简洁的网络结构能够有效提取图像的各类病灶细节特征。从实验结果看,网络的灵敏度达到98.05%,特异度达到97.67%,准确率达到97.84%,优于ResNet50和Inception-v4网络,识别效率高,且收敛速度更快,计算性能有所提升。总之,该网络兼顾出血点识别效率和性能,实用性较强。
