一个多标签数据集及其对视频囊内镜清洁性评估的自动评分系统的评估
Palak Handa1, Nidhi Goel2, S Indu3
1Department of ECE, DTU, New Delhi, India. palakhanda_2k21phdec05@dtu.ac.in.
Physical and engineering sciences in medicine
|June 17, 2024
概括
一个新的AI-KODA移动应用程序使用机器学习自动化视频囊内镜 (VCE) 的清洁度评分. 该工具显示了在临床环境中更快,更易于使用的VCE分析的潜力.
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:
- 目前没有用于视频囊内镜 (VCE) 的自动化清洁性评估系统.
- 准确的VCE解释依赖于主观的清洁度评分,影响诊断效率.
研究的目的:
- 开发一种自动化的方法来评估VCE框架清洁性,使用韩国-加拿大 (KODA) 评分系统.
- 为数据收集和分析创建一个用户友好的移动应用程序 (AI-KODA评分).
主要方法:
- 从使用AI-KODA应用程序的28名患者VCE视频创建了一个多标签图像数据集.
- 该数据集由三个胃肠病学研究员进行了注释,并评估了分级和分级之间的可靠性.
- 十个机器学习和两个深度学习算法被用于多标签分类任务的基准测试.
主要成果:
- 在注释者中观察到良好的inter-rater和intra-rater可靠性.
- 随机森林分类器在机器学习任务中表现出卓越的性能.
- 深度学习模型特别显示了VCE (视频) 模式标签的优势.
结论:
- 拟议的AI-KODA方法为节省时间和用户友好的VCE清洁性评估提供了一个有希望的解决方案.
- 需要进行进一步的研究,以提高KODA内部评分器的可靠性,并开发自动化的多任务分类.
更多相关视频
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
9.0K
06:17Quantifying Levels of Dopaminergic Neuron Morphological Alteration and Degeneration in Caenorhabditis elegans
Published on: November 20, 2021
4.1K
