EndoNet: 多種胃腸疾患を内視鏡画像で分類するための多層次深層学習フレームワーク

科学分野:

• 医療用イメージング
• 人工知能
• 胃腸内科

背景:

• 胃腸疾患は重要な医療課題であり,先進的な診断ツールが必要である.
• 無線カプセル内視鏡 (WCE) は胃腸異常の検出に役立ちますが,類似した病変の区別は困難です.
• 既存のコンピュータ・アイド・診断 (CAD) システムは,様々な胃腸疾患の特徴を分析するための複雑性が欠けていることが多い.

研究 の 目的:

• WCE画像を使用して8種類の胃腸疾患を分類するための多段階ハイブリッド深層学習 (DL) フレームワークであるEndoNetの開発と評価.
• 自動化された胃腸疾患診断の正確性と解釈性を向上させる.
• 臨床的意思決定支援のための一般化可能なAIソリューションを提供すること.

主な方法:

• EndoNetは,複数の予備訓練されたコンボリューションニューラルネットワーク (CNN) (Inception,Xception,ResNet101) の機能を統合したハイブリッドDLフレームワークである.
• 階層間およびモデル間機能融合,非負マトリックスファクタライゼーション (NNMF) を使用し,次元の減少,および機能選択のための最小冗長性最大関連性 (mRMR) を採用した.
• 7つの機械学習アルゴリズムを使用してKvasir v2とHyperKvasirデータセットのパフォーマンスを評価しました.

主要な成果:

• EndoNetは高い分類精度を達成し,Kvasir v2データセットでは97. 8%,HyperKvasirデータセットでは98. 4%に達しました.
• このフレームワークは,複雑なGI画像分析のための効果的な特徴抽出,融合,選択を証明しました.
• DLと機能エンジニアリングの組み合わせは,従来のCADアプローチよりも優れていることが証明されました.

結論:

• EndoNetは,正確なGI疾患分類のために,移転学習,特徴工学,次元縮小,特徴選択を統合しています.
• 提案された枠組みは高い精度,柔軟性,解釈性があり,臨床的意思決定支援に適しています.
• EndoNetは,WCEベースの胃腸診断を進めるための強力で一般化可能なAIソリューションです.