Investigación de errores de detección de objetos en imágenes endoscópicas de CCE esofágico y displasia mediante...

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Gastroenterología

Sus antecedentes:

• La detección del carcinoma de células escamosas esofágico (CCEO) es un desafío con la endoscopia de luz blanca (WLI) debido a lesiones sutiles y artefactos que imitan.
• El desarrollo de sistemas de detección automatizada es crucial para mejorar las tasas de diagnóstico temprano.

Objetivo del estudio:

• Evaluar el rendimiento de cinco modelos de detección de objetos en la identificación de CCEO y patologías relacionadas en imágenes WLI.
• Evaluar el impacto de incluir etiquetas de artefactos en la precisión de la detección.

Principales métodos:

• Se entrenaron cinco detectores de objetos (YOLOv5, YOLOv8, Faster R-CNN, SSD, RT-DETR) desde cero en un conjunto de datos WLI.
• Se utilizaron dos estrategias de etiquetado: un conjunto de 4 etiquetas (SCC, Displasia, Sangrado, Inflamación) y un conjunto de 11 etiquetas que incluían artefactos.
• Se evaluó el rendimiento utilizando precisión macro, recuperación y puntuaciones F1 en un IoU de 0.50 en un conjunto de prueba de 310 imágenes.

Principales resultados:

• Incluir clases de artefactos mejoró las métricas generales de detección, con YOLOv5 y YOLOv8 mostrando el mejor rendimiento.
• Sin embargo, la recuperación para la detección temprana de enfermedades, específicamente Displasia y SCC, siguió siendo limitada.
• El análisis de confusión indicó que los errores se debieron principalmente a detecciones omitidas en lugar de a clasificaciones erróneas.

Conclusiones:

• El etiquetado de artefactos puede reducir la confusión con hallazgos no lesivos, pero no aborda completamente el desafío de detectar CCEO temprano y sutil.
• El trabajo futuro debe centrarse en el preentrenamiento específico para endoscopia, técnicas de supresión de artefactos y validación externa para mejorar la detección temprana de enfermedades.