一种用于结肠病理诊断的多模态深度学习框架：整合组织学和结肠镜数据
计算机视觉与模式识别
2025-09-09 v1 机器学习
摘要
结肠疾病，包括炎症性疾病和肿瘤，需要快速、准确的诊疗才能有效治疗。传统的诊断流程需要大量准备工作，并依赖于对组织学图像和结肠镜录像的独立评估，引入可能的变异性和效率问题。本研究提出了一个统一的深度学习网络，使用卷积神经网络（CNN）对组织病理切片和结肠镜视频帧进行分类，实现一个统一的诊断管道。该管道集成了类别平衡学习、稳健的数据增强和校准方法，以确保诊断结果的准确性。所用的 CNN 架构为 ResNet-50。该研究表明，一个可解释且可重复的诊断管道能够实现多种诊断模态的整合，推动并简化结肠疾病的检测。
引用
@article{arxiv.2509.06351,
title = {A Multi-Modal Deep Learning Framework for Colorectal Pathology Diagnosis: Integrating Histological and Colonoscopy Data in a Pilot Study},
author = {Krithik Ramesh and Ritvik Koneru},
journal= {arXiv preprint arXiv:2509.06351},
year = {2025}
}