深度整体框架与贝叶斯优化,用于囊内镜图像中的多病变识别
Xudong Guo1, Liying Pang2, Peiyu Chen2
1School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai, 200093, China. guoxd@usst.edu.cn.
Medical & biological engineering & computing
|May 24, 2025
概括
一个新的深层组合框架通过准确识别胃肠道 (GI) 病变,如血管切开,出血,侵蚀和多,提高诊断准确度来增强无线囊内镜.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 无线囊内镜 (WCE) 产生了大量图像,增加了因疲劳引起的错误和误诊的风险.
- 准确识别胃肠道 (GI) 病变对于及时诊断和治疗至关重要.
研究的目的:
- 开发和评估一个深度整体框架,用于在WCE图像中自动识别四种常见的胃肠道病变.
- 为了提高诊断准确度和减少临床医生在WCE分析中的工作量.
主要方法:
- 使用了一个结合CA-EfficientNet-B0,ECA-RegNetY和Swin变压器的深层集成框架.
- 转移学习和注意力模块被纳入基础学习者以优化.
- 贝叶斯优化确定了用于多损伤和正常图像分类的基础学习者输出组合的权重.
主要成果:
- 在一个由8358张图像组成的数据集上,整体模型的精度达到84.31%,m-Precision达到88.60%,m-Recall达到79.36%,m-F1-score达到81.08%.
- 与主流深度学习模型相比,该模型表现出优异的性能.
- 该框架有效地识别了血管疏通,出血,侵蚀和息肉.
结论:
- 拟议的深度整体框架显著改善了通过WCE检测到的GI疾病的分类性能.
- 这种人工智能驱动的方法可以帮助临床医生进行初步诊断,潜在地减少诊断错误并提高患者护理.
