Clasificación de enfermedades del tracto gastrointestinal a partir de imágenes de endoscopia de cápsulas inalámbricas...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Gastroenterología

Sus antecedentes:

• El cáncer es una de las principales causas de muerte a nivel mundial.
• El diagnóstico de anomalías del tracto gastrointestinal (TIG) a través de la endoscopia se enfrenta a desafíos debido a la variabilidad y la experiencia entre los observadores.
• Las lesiones sutiles pueden pasarse por alto, retrasando el diagnóstico precoz del cáncer.

Objetivo del estudio:

• Desarrollar un sistema avanzado de diagnóstico asistido por ordenador (CAD, por sus siglas en inglés) para la detección y clasificación tempranas de las enfermedades de la ITG.
• Mejorar la precisión del diagnóstico y superar las limitaciones de la interpretación endoscópica manual.
• Aprovechar el aprendizaje profundo y la optimización de características para mejorar la identificación de anomalías de GIT.

Principales métodos:

• Un nuevo sistema CAD que combina la fusión de características de modelos de aprendizaje profundo modificados (ResNet18, ResNet50 con capas EFP) y la selección de características óptimas.
• Se utilizaron los conjuntos de datos de Kvasir V1, Kvasir V2 y Hyperkvasir para la capacitación y validación.
• Se empleó la mejora del contraste a través del filtrado superior-inferior, las capas de propagación de campo entrópico (EFP) y la optimización de los depredadores marinos de Newton-Raphson (NRMPO) para el refinamiento de las características.

Principales resultados:

• El sistema CAD propuesto logró altas precisiones: 99.0% en el caso de Kvasir V1, 89.6% en el de Kvasir V2 y 82.7% en el de Hyperkvasir.
• La fusión de características mediante un nuevo enfoque basado en umbrales medios mejoró el rendimiento de la clasificación.
• Los estudios de ablación confirmaron la eficacia de los pasos intermedios para lograr las precisiones reportadas.

Conclusiones:

• El sistema CAD desarrollado demuestra un rendimiento superior en comparación con las técnicas más avanzadas.
• El método ofrece tasas de precisión y precisión mejoradas para el diagnóstico de la enfermedad GIT.
• Este enfoque tiene un potencial significativo para la detección temprana y confiable de anomalías gastrointestinales.