视频胶囊内窥镜胃肠道出血分析中的人工智能：洞察、创新与展望 (2008-2023)

与胃肠道出血相关的全球死亡率和发病率不断攀升，加之传统内窥镜方法的复杂性和局限性，凸显了对当前用于处理该病症的方法进行批判性审查的迫切需要。全球每年估计有 30 万人因此死亡，对创新诊断和治疗策略的需求至关重要。视频胶囊内窥镜（VCE）的引入标志着一项重大进步，它提供了对消化道的全面、非侵入性可视化，这对于发现传统方法无法触及的出血源至关重要。尽管有其优点，但 VCE 的功效受到诊断挑战的阻碍，包括耗时的分析和易受人为错误影响。这一背景为探索机器学习（ML）在胶囊内窥镜中自动化检测胃肠道出血的应用奠定了基础，旨在提高诊断准确性、减少人工劳动并改善患者预后。通过对 2008 年至 2023 年间发表的 113 篇论文的详尽分析，本综述评估了出血检测中 ML 方法的现状，突出了它们的有效性、挑战和未来方向。它对 VCE 帧分析中的人工智能技术进行了深入审视，提供了对开源数据集、数学性能指标和技术分类的见解。本文为未来研究克服现有挑战奠定了基础，通过跨学科合作和 ML 应用的创新推进胃肠道诊断。