通过从内镜图像中提取无源摄像头信号来提高人工智能在内镜中的应用性
Ioannis Kafetzis1, Philipp Sodmann1, Robert Hüneburg2,3
1Department of Internal Medicine II, Interventional and Experimental Endoscopy (InExEn), University Hospital Würzburg, Würzburg, Germany.
PloS one
|June 11, 2025
概括
我们开发了一种人工智能方法,从内镜图像中提取相机信号,从而提高了人工智能模型在不同来源的概括性. 还创建了一个新的数据集EPIC,以支持医疗AI的进步.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 计算机视觉 计算机视觉
背景情况:
- 内镜中的人工智能 (AI) 面临着挑战,因为不同设备的图像外观变化.
- 这些变化阻碍了人工智能模型的概括性,限制了它们在现实世界中的应用.
- 有效的图像处理对于成功地在内镜程序中部署人工智能至关重要.
研究的目的:
- 开发一种无源AI方法,从原始内镜图像中提取相机信号.
- 创建一个多样化和标准化的内镜图像数据集 (EPIC),以解决图像来源的变化.
- 通过使它们能够处理来自各种设备的图像来提高内镜中AI模型的通用性.
主要方法:
- 开发了一种基于人工智能的方法,可以从内镜图像中提取相机信号,无论图像来源如何.
- 一个全面的数据集,内镜处理器图像收集 (EPIC),是从4个内镜中心策划的,包括9个处理器,45个内镜和4个囊内镜设备的数据.
- 摄像机信号提取方法在公共数据集和EPIC数据集上进行了评估,将交叉点对联盟 (IoU) 和豪斯多夫距离 (HD) 等性能指标与基线进行了比较.
主要成果:
- 与公共数据集的基线相比,人工智能方法实现了0.97的平均IOU和明显较低的平均高清 (21像素).
- 在EPIC数据集上,该方法在IOU上没有显著差异,但高清度明显较低,证明了它在多样化,标准化图像上的有效性.
- 人工智能方法和EPIC数据集都已公开提供.
结论:
- 一种基于人工智能的新方法有效地以无源的方式对内镜摄像头信号进行细分,这对医疗人工智能至关重要.
- 这种方法作为预处理步骤,允许人工智能模型利用来自任何来源的内镜图像,而不会影响性能.
- 公共可用的EPIC数据集和开发的AI方法有助于推进内镜中的AI应用.
