通过PESNet实时结肠镜检测和结肠直肠多的精确细分

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:

• 结肠直肠癌 (CRC) 的预防依赖于在内镜检查期间检测和去除癌前的息肉.
• 目前的内镜手术缺乏实时工具来同时诊断和细分多,影响腺瘤检测和切除精度.

研究的目的:

• 引入PESNet,为标准内镜工作站提供实时AI框架.
• 为了实现同时的级聚诊断和像素级细分,以最小的延迟.

主要方法:

• PESNet将多的诊断和细分集成到一个单一的框架中,运行在225FPS.
• 它使用动态的"多体存在"提示符和自适应模块来细化边界并弥补视觉变化.
• 在PolypDiag和CVC-12K数据集上进行了评估,在RTX 6000 Ada GPU上测量了TensorRT FP16的延迟.

主要成果:

• 在基准数据集上,PESNet的诊断F1得分从95.0%提高到97.2%,细分子得分从85.4%提高到89.1%.
• 临床影响包括26%的遗漏平面息肉减少和15%的减少残留的瘤边缘切割后.
• 实现端到端的延迟时间为每12.6 ± 0.3 ms,相当于临床预算的40 ms.

结论:

• PESNet显著提高了腺瘤检测率和内镜手术中的切除精度.
• 该框架的实时性能和硬件兼容性有助于将其集成到标准工作流中.
• 这项技术有可能通过改进的多管理来减少结肠直肠癌的发生率.