基于软件的白光内镜图像转换为高光谱图像,以改善胃肠道疾病检测

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:

• 胃肠道疾病 (GID) 在全球范围内构成重大健康风险.
• 在无线囊内镜 (WCE) 中,传统的白光成像 (WLI) 对准确诊断的光谱信息有局限性.
• 改进的诊断工具对于早期发现和管理GID至关重要.

研究的目的:

• 为WCE引入和评估频谱辅助视觉增强器 (SAVE) 技术.
• 为了提高GID分类的诊断准确性,使用超光谱成像 (HSI) 类似的表示.
• 在深度学习模型中,将SAVE增强图像与传统WLI的性能进行比较.

主要方法:

• 开发了 SAVE 技术,将 WLI 图像转换为类似 HSI 的表示.
• 使用了来自KVASIR和ETIS-Larib多基数据库的6000张注释图像数据集.
• 使用五种深度学习架构对正常组织,,息肉和食道炎进行分类.
• 评估分类准确性,精度,回忆和F1分数,无论是WLI还是SAVE图像.

主要成果:

• SAVE技术显著提高了GID分类的诊断准确性.
• 使用EfficientNetB7的SAVE的最佳分类准确率达到了98%,而WLI的97%.
• VGG16显示了显著的精度改进,从85% (WLI) 提高到92% (SAVE).
• 在所有测试的深度学习模型中,SAVE 增强了分类指标.

结论:

• SAVE算法大大改善了早期的GID识别和分类.
• SAVE提供了一条通往更准确的途径,使用WCE进行非侵入性GID诊断.
• 这种技术在不需要专门的成像设备的情况下证明了有效性.