一个非对齐的翻译与瘤分类器规范化,以包括标准结肠镜中血管NBI模式
Franklin Sierra-Jerez1, Fabio Martinez1
1Biomedical Imaging, Vision and Learning Laboratory (BIVL(2)ab), Universidad Industrial de Santander (UIS), Colombia.
Computers in biology and medicine
|January 26, 2024
概括
这项研究通过计算添加窄带成像 (NBI) 血管图案来增强标准结肠镜,提高多类别的准确性,并区分腺瘤,超塑性和状类型.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 胃肠病学 胃肠病学
背景情况:
- 结肠直肠癌恶性瘤通过聚血管模式进行评估,通常在窄带成像 (NBI) 中看到.
- 标准的光学结肠镜 (OC) 缺乏这些关键的血管细节,专家的NBI分类有很高的错误率 (59.5%-84.2%).
研究的目的:
- 开发一种计算方法,以增强标准结肠镜图像与NBI类似的血管图案.
- 改善局部聚体表征和分类准确性,用于结直肠癌的检测.
主要方法:
- 对于从OC到NBI的非对齐翻译,采用了端到端的深度学习策略.
- 设计了一种新的架构,以区分增强的瘤模式,在嵌入表示中实现分离.
- 该方法在76个光学和NBI结肠镜序列的公共数据集上得到了验证.
主要成果:
- 增强的OC序列被自动分类,F1得分为0.86%的腺瘤和超塑性样本.
- 该方法在区分腺瘤,超塑性和状息肉 (ρ值<0.05) 中表现出灵敏度.
结论:
- 拟议的计算策略有效地增强了标准结肠镜图像与NBI血管图案.
- 这种方法显著改善了多重体的歧视和分类,为结直肠癌的诊断提供了宝贵的工具.


