文章题目：Polypdetectionduringcolonoscopyusingaregression-basedconvolutionalneuralnetworkwithatracker
研究人员：ZhangR.,etal.
研究单位：DepartmentofSurgery,TheChineseUniversityofHongKong,HongKong
发表时间：.11
期刊名称：PatternRecognit
影响因子：7.(Q2)
核心亮点：
Inthispaper,anovelCADmethodcalledRYCOwasproposedforfastpolypdetectioninendoscopicvideos.(本文提出了一种新型的RYCOCAD方法，用于内窥镜视频中息肉的快速检测。)
Inordertoachievethebestperformance,thedeepCNNmethodbasedonregressionwithresiduallearningwasusedforpolypdetection.(使用带有残差学习的基于回归的深度CNN方法进行息肉检测，以实现最佳的性能。)
ThetimeinformationwasincorporatedintothemodelusingtheDCFmethodtoaccuratelylocatepolypsinmoreframes.(使用基于DCF的方法将时间信息合并到模型中，以在更多帧中准确定位息肉。)
Regression-basedCNNencodesinformationofthewholeimageinsteadofregionstomakepredictionsandtherefore,itislessvulnerabletobackgrounderrors.(基于回归的CNN编码整个图像的信息而不是区域信息以进行预测，因此，它不易受到背景错误的影响。)
思路与方法：
使用了MICCAI内窥镜视觉挑战赛相同的训练和测试数据集。
将20个结肠镜视频用于训练模型，其中10个是含有息肉的，10不含有息肉。18个视频用于测试，其中6个至少有一帧含有息肉，其中3个每帧都含有息肉。
通过F1-score、F2-score、TP、FP、FN、TN、特异性、准确性、召回率这些指标评估模型性能。
摘要：
A