深度学习方法在视频结肠息肉检测与分割中的多中心分析
计算机视觉与模式识别
2026-03-05 v1
摘要
结肠息肉是结直肠癌（CRC）的良性前体，通常在结肠镜检查中检测到。然而，由于这些息肉在外观、位置和大小上的差异性，导致其检测与切除困难，进而影响有效的随访、干预以及后续 CRC 预防。结肠镜随访与息肉切除高度依赖胃肠科医生的专业知识，并处于结肠结构复杂的环境中，导致漏诊率高、切除不完整，从而可能对患者预后产生不利影响。最近发展出的自动化方法利用机器学习技术提高息肉的检测与分割，从而帮助临床流程并降低漏诊率。这些进展凸显了在真实场景中提高诊断准确性的潜力，从而更有效地促进患者管理。此外，整合序列数据和时序信息可显著提升这些方法的精度，通过捕捉息肉生长的动态特性以及随时间变化。为严格探讨这些挑战，数据科学家与胃肠科专家合作编译了跨中心、覆盖多样人群的综合数据集。该项目旨�强调在开发稳健的自动化检测与分割方法时，纳入序列数据和时序信息的重要性。本研究评估了基于序列数据开发的深度学习技术在临床结肠镜任务中的适用性，突出了帧之间时序关系在提高诊断精度方面的关键作用。
引用
@article{arxiv.2603.04288,
title = {A multi-center analysis of deep learning methods for video polyp detection and segmentation},
author = {Noha Ghatwary and Pedro Chavarias Solano and Mohamed Ramzy Ibrahim and Adrian Krenzer and Frank Puppe and Stefano Realdon and Renato Cannizzaro and Jiacheng Wang and Liansheng Wang and Thuy Nuong Tran and Lena Maier-Hein and Amine Yamlahi and Patrick Godau and Quan He and Qiming Wan and Mariia Kokshaikyna and Mariia Dobko and Haili Ye and Heng Li and Ragu B and Antony Raj and Hanaa Nagdy and Osama E Salem and James E. East and Dominique Lamarque and Thomas de Lange and Sharib Ali},
journal= {arXiv preprint arXiv:2603.04288},
year = {2026}
}
备注
17 pages