无线囊内镜图像中的清晰和受污染区域细分的像素智能注释:一个多中心数据库
Vahid Sadeghi1,2,3, Yasaman Sanahmadi1,2,3, Maryam Behdad4
1Student Research Committee, School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran.
Data in brief
|October 1, 2024
概括
这项研究引入了第一个注释无线囊内镜图像的公共数据集,这对于开发人工智能来提高小肠可视化,通过识别清晰和受污染的区域来提高AI至关重要. 这有助于检测异常和评估运动性,克服当前成像技术的局限性.
科学领域:
- 胃肠病学 胃肠病学
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 无线囊内镜 (WCE) 可视化小肠,但由于杂的液体和空气泡等污染物,图像质量问题存在.
- 这些污染物降低了粘膜视图,增加了检查时间,并有缺失病理的风险,阻碍了准确的诊断和运动性评估.
研究的目的:
- 构建第一个多中心,公开可用的WCE图像注释数据集,以支持计算机视觉算法的开发.
- 为了实现精确的像素级细分,以区分清晰和受污染的区域,包括气泡和的液体,与正常组织.
主要方法:
- 来自三个数据库 (Kvasir,SEE-AI,CECleanliness) 的17593张WCE图像的数据集进行了策划.
- 图像使用ImageJ和ITK-SNAP软件在像素级别进行注释,创建二进制和三色地面真相面具.
- 评论区分清晰/受污染的区域,并进一步分类泡,的液体和正常组织.
主要成果:
- 该数据集为17593张WCE图像提供了像素级的注释,区分了清晰和受污染的区域.
- 它包括细节细分的泡和的流体,为人工智能模型培训提供了宝贵的资源.
- 多中心性质确保了污染模式的多样化表示,增强了模型的稳定性和通用性.
结论:
- 这种精心策划的数据集是同类中第一个,解决了对注释WCE图像的需求,以开发细分算法.
- 它有助于创建计算机视觉工具以识别污染,提高诊断准确性和小肠检查的效率.
- 该数据集使 robust 模型培训和验证成为可能,为临床实践中先进的 WCE 分析铺平了道路.
