使用基于距离计的学习与插入的潜伏特征进行内镜像和视频的分类

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 胃肠病学 胃肠病学

背景情况:

• 传统内镜 (CE) 和无线囊内镜 (WCE) 对于诊断胃肠道 (GI) 疾病至关重要.
• 在内镜成像中精确的解剖学定位对于有效的治疗计划和减少冗余程序至关重要.
• 由于获得注释数据的挑战,对分类内镜图像的研究有限.

研究的目的:

• 开发一种几次拍摄的学习方法,用于在CE和WCE图像中定位和分类解剖位置.
• 为了创建一个自动管道内镜视频序列定位可训练与最小的注释样本.
• 提高内镜图像分析的准确性和效率.

主要方法:

• 一个简单的学习方法,结合了远程度量学习,转移学习和多重混合.
• 训练模型基于来自10个胃肠道解剖位置的数据集,使用很少的注释框架 (78 CE,27 WCE).
• 评估方法的性能与胃肠病学家和现有技术的主观评估对比.

主要成果:

• 与主观评估相比,拟议的方法获得了更高的准确性和F1分数.
• 与几个现有方法相比,通过较低的交叉损失证明了更好的性能.
• 成功地定位和分类了大量的视频 (25,700 CE, 1825 WCE),但培训数据有限.

结论:

• 少数拍摄的学习方法显示了对精确的内镜图像分类和定位的巨大潜力.
• 该方法有效地解决了内镜成像中有限的注释数据的挑战.
• 这种自动化系统可以帮助临床医生诊断胃肠道疾病并优化治疗策略.