Motion Analysis for Capsule Endoscopy Video(精读)

一.文献名字和作者

    Motion Analysis for Capsule Endoscopy Video, Baopu Li1, Max Q.-H. Meng and Chao Hu

   

二.阅读时间

     2015年3月13日

三.文献的目的

    为了减少WCE图像的诊断时间，需要将WCE视频分割成较小的段。作者在这篇文章中提出了一种基于运动分析的方法，将WCE视频进行分段。

四.文献的贡献点

    作者为了解决WCE视频分段的问题，在文中提出了使用运行信息对WCE图像进行分段。作者使用了两种运行分析方法：adaptive root patch search block matching(ARPS)和bayesian multi-scale differential optical flow(BMSD)来对WCE图像进行分段。在WCE视频进行运动分析之后，作者使用运动变化曲线的局部最大值来作为分段的边界。

    两种运动分析方法都是其他人提出的算法，作者只是用其来验证是否可以使用运行分析来对WCE视频进行分类，在运动分析方面，作者并没有进行创新。单纯地从运动矢量的估计上面来看，ARPS的效果并没有BMSD的效果好，但是分段的recall上面来看，ARPS的效果要好于BMSD，这个说明了运动信息不足够于WCE视频的分段，还需要添加纹理和颜色信息。

    作者在阈值的选择方面并不是选择一个全局的阈值，而是选择了一个局部阈值。即通过运动强度曲线(motion intensity curve)中的满足条件的局部最大值点来将WCE图像进行分割。具体条件如下：1.这个点在2k-1个点范围内是最大值；2.最大值要是第二大值的n倍。k和n都是需要设置的超参数。

    

    

五.使用的数据库

     作者自建的数据集，包含有10个案例。

六.实验结果

    作者使用Recall和Precision作为评价指标，并且着重使用Recall作为评价指标，因为真实的边界一般都是包含有疾病信息或者其他用于医疗决策的重要信息，如果忽略了真是边界，会导致严重的结果，相反，错误的边界反而是可接受的。

    作者的实验结果如下：

版权所有，欢迎转载，转载请注明出处，谢谢