具有有限数据的多变量高斯贝叶斯分类器,用于细肠囊内镜图像中的清洁和污染区域的细分
Vahid Sadeghi1, Alireza Mehridehnavi1, Maryam Behdad2
1Department of Bioelectrics and Biomedical Engineering, School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran.
PloS one
|March 7, 2025
概括
这项研究引入了一种自动化统计模型,用于在无线囊内镜 (WCE) 图像中对干净和受污染的区域进行细分,大大减少了胃肠科医生审查时间,并有助于评估肠道准备的有效性.
科学领域:
- 医疗成像医学成像
- 胃肠病学 胃肠病学
- 人工智能的人工智能
背景情况:
- 无线囊内镜 (WCE) 可视化通常受到需要医生广泛审查的因素的阻碍.
- 对肠道准备质量的客观评估对于准确的诊断至关重要.
研究的目的:
- 开发一种低成本的自动统计模型,用于在WCE图像中对清洁和污染地区进行细分.
- 客观地评估肠道准备,减少胃肠科医生检查时间.
主要方法:
- 一个概率三变的高斯分布模型适用于清洁和受污染地区的RGB像素强度值.
- 贝叶斯法则被应用来评估像素成员概率.
- 该模型在20张手工标记的图像上进行了训练,并在1980张图像上进行了验证.
主要成果:
- 该模型实现了高性能指标,包括精度 (0.89),精度 (0.91),灵敏度 (0.90) 和AUROC (0.92).
- 子相似系数 (DSC) 和交叉在欧盟 (IOU) 分别为0.92和0.86.
- 该计划在不同数据集 (SEE-AI和CECleanliness) 中表现出良好的适应性.
结论:
- 提出的自动细分模型有效评估小肠清洁,并有助于比较制备方法.
- 这种方法可以显著减少胃肠病学家的检查时间.
- 该模型为WCE图像分析提供了一个客观而有效的工具.
