AVPDN:在动态结肠镜镜框中学习运动稳定性和尺度适应性表示,以检测聚

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:

• 准确的聚检测对于早期结直肠癌诊断至关重要.
• 结肠镜视频提供了丰富的数据,但受到了运动工件的损害,降低了图像质量,增加了假阳性.
• 现有的方法与动态成像挑战,如模糊和尺度变化作斗争.

研究的目的:

• 在动态结肠镜成像中开发一个强大的框架来检测多个规模的息肉.
• 为了解决在结肠镜检查期间快速摄像机移动引起的级文物.
• 在具有挑战性的视频数据中提高聚检测的准确性和可靠性.

主要方法:

• 提出了自适应视频聚体检测网络 (AVPDN),其中包括自适应特征交互和增强 (AFIA) 和规模意识上下文集成 (SACI) 模块.
• AFIA使用双分支架构,具有密集和稀疏的自我注意力,以增强功能表示.
• SACI使用扩展卷积来捕获和删除多个规模的上下文信息.

主要成果:

• AVPDN在检测运动受影响结肠镜镜框中的息肉方面表现出强大的性能.
• 提出的方法在具有挑战性的公共基准上取得了最先进的结果.
• 实验证实了AVPDN框架的有效性和泛化能力.

结论:

• AVPDN框架有效地克服了结肠镜视频中运动工件所带来的挑战.
• 这种网络显著提高了多体检测的准确性,有助于更早地诊断结直肠癌.
• 该方法在实时结肠镜分析中具有很强的临床应用潜力.