ACD2W-InceptionNeXt:相邻的类别区分和类别距离加权InceptionNeXt基于计算机辅助的梅奥内镜评分系统,用于静止图像和视频段
Yuan-Yen Chang1, Ying-Yuan Cheng2, Han-Po Yang2
1Department of Computer Science and Information Engineering, National Taichung University of Science and Technology, Taichung, Taiwan.
Health information science and systems
|February 18, 2026
概括
一个新的深度学习系统,ACD2W-InceptionNeXt,使用内镜视频准确预测性结肠炎 (UC) 的严重程度. 这种人工智能工具有助于胃肠科医生对疾病进行分级,提高了梅奥内镜子底值 (MES) 评估的一致性.
科学领域:
- 胃肠病学 胃肠病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 性结肠炎 (UC) 严重程度通过梅奥内镜子评分 (MES) 进行评估,但受到观察者可变性的影响.
- 准确的MES分级对于有效的UC管理和治疗决策至关重要.
研究的目的:
- 开发基于深度学习的计算机辅助诊断 (CADx) 系统,ACD2W-InceptionNeXt,用于从内镜视频中客观地预测MES.
- 利用MES的顺序性质来改善相邻严重程度之间的歧视.
主要方法:
- 使用InceptionNeXt和渐进式ACD2的双阶段深度学习方法 (框架级和细分级预测) W-Loss.
- 从内镜视频段中提取和质量控制信息.
- 在两个不同的UC内镜数据集 (CCH和LIMUC) 上进行培训和验证.
主要成果:
- 该系统在框架和细分级别的两个数据集上实现了高精度和二次加权卡帕 (QWK) 评分.
- 在CCH数据集上,细分级预测的准确度为0.834,QWK为0.935.
- 在LIMUC数据集上,级预测实现了0.797准确度和0.872 QWK.
结论:
- ACD2W-InceptionNeXt系统在UC内镜视频中预测MES方面表现出强的表现.
- 这种人工智能工具有可能提高胃肠病学家对UC严重性评估的一致性和准确性.


