纳马 - 曼巴:在内镜图像上使用蒙面自编码器与曼巴进行通用性鼻病检测的基础模型
Wensheng Wang1, Zewen Jin1, Xueli Liu2
1Academy for Engineering and Technology, Fudan University, Shanghai, 200433, China; Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Shanghai, 200032, China.
概括
一个新的AI系统,NaMA-Mamba,使用自学分析鼻腔内镜图像,大大减少了在疾病检测中需要专家标记数据的需求.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能在分析鼻腔内镜图像以检测疾病方面表现有前途.
- 当前的人工智能系统需要大量专家标记的数据,这限制了它们的临床应用.
研究的目的:
- 开发用于鼻内镜的新型自学人工智能系统,减少对标记数据的依赖.
- 创建第一个大规模的预训练数据集用于鼻腔内镜图像.
主要方法:
- 开发了NaMA-Mamba,结合了鼻腔内镜状态空间模型 (NE-SSM) 和对比面具自编码器 (CoMAE).
- 利用一个大规模的未标记的鼻腔内镜图像的预训练数据集.
- 采用自学方法,从未标记的数据中有效学习.
主要成果:
- 在诊断任务中,NaMA-Mamba使用最小的标记数据实现了高精度的诊断.
- 该系统与传统的AI性能相匹配,仅使用1%的标记数据来检测聚和鼻癌的识别.
- 从未标记的图像中进行有效的学习,同时捕获细微的鼻子组织细节.
结论:
- NaMA-Mamba显著提高了人工智能辅助鼻病诊断的效率和可访问性.
- 自学方法克服了当前AI系统在鼻腔内镜中的数据依赖.
- 突出了大规模预训练数据集和用于医学成像分析的新型AI架构的潜力.
