在内镜图像上对肠道结核病和克罗恩病的分类进行近距离学习:一种新的学习学习框架
Jiaxi Lin1,2, Shiqi Zhu1,2, Minyue Yin1,2
1Department of Gastroenterology, The First Affiliated Hospital of Soochow University, Suzhou, Jiangsu, 215006, China.
Heliyon
|February 26, 2024
概括
一种新的几次射击学习 (FSL) 模型有效地区分了肠结核病 (ITB) 和克罗恩病 (CD),使用有限的内镜图像. 这种方法提高了罕见的胃肠道疾病的诊断能力.
科学领域:
- 胃肠病学 胃肠病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 区分肠结核病 (ITB) 和克罗恩病 (CD) 是具有挑战性的,因为标准深度学习的样本大小有限.
- 数据的稀缺性阻碍了内镜成像中的准确差异诊断.
研究的目的:
- 开发一个几次学习 (FSL) 系统,以有效分类和差异诊断ITB和CD.
- 利用最小的内镜图像数据来提高诊断准确度.
主要方法:
- 使用122张白光内镜图像 (99张CD,23张ITB) 开发了一个双向,三次拍摄的FSL模型.
- 该模型集成了基于Xception架构的双转移学习和度量学习策略.
- 双转移学习涉及利用HyperKvasir的食道炎图像;通过欧几里德距离计算预测得分,以支持设置图像.
主要成果:
- 双转移学习的FSL模型实现了0.81的AUC,明显超过单转移学习 (AUC0.56).
- 性能超过了经验较少 (AUC0.56) 和经验丰富的内镜师 (AUC0.61) 的表现.
结论:
- 开发的FSL模型有效地区分CD和ITB,内镜数据有限.
- 短期学习显示出在罕见的胃肠道疾病中提高诊断准确性的巨大潜力.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.5K
