自动病变检测用于窄带成像支气管镜检测
Vahid Daneshpajooh1, Danish Ahmad2, Jennifer Toth2
1The Pennsylvania State University, School of Electrical Engineering and Computer Science, University Park, Pennsylvania, United States.
Journal of medical imaging (Bellingham, Wash.)
|June 3, 2024
概括
这项研究引入了一种自动化方法,用于在窄带成像 (NBI) 视频中检测支气管病变,从而改善早期肺癌检测. 实时系统的准确性高于当前的主观方法.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部病理学 肺部病理学
背景情况:
- 早期肺癌检测对于患者的预后至关重要.
- 窄带成像 (NBI) 支气管镜有助于检测支气管病变,但由于解释挑战,其利用率不足.
- 目前的方法依赖于耗时的NBI视频的主观视觉分析.
研究的目的:
- 在NBI视频中开发和试验一种实时的两阶段自动化方法来检测支气管病变.
- 为了解决NBI支气管镜检查中主观视觉检查的局限性.
- 促进NBI在肺癌查中的更广泛采用.
主要方法:
- 一种两阶段的方法,将深度学习对象检测网络与多异常测量相结合.
- 在第二阶段,使用语网络和卡尔曼波器来实现跨的强有力的病变跟踪.
- 该方法使用23名患者的NBI呼吸道检查视频进行了评估.
主要成果:
- 该自动化方法实时处理NBI视频流,适合实时支气管镜检查.
- 在病变检测方面获得了93%的灵敏度和86%的特异性.
- 优于当前的主观临床方法 (80%的灵敏度,84%的特异性).
结论:
- 拟议的方法证明了在NBI视频中准确,实时检测支气管病变的潜力.
- 这项技术可以显著提高NBI支气管镜的实际效用.
- 允许更频繁地使用NBI可能会导致更早的肺癌诊断和改善患者的治疗结果.


