用于病灶帧检测的自体荧光支气管镜视频分析
图像与视频处理
2023-03-23 v1 计算机视觉与模式识别
摘要
由于支气管病变作为早期肺癌和鳞状细胞癌的指标具有重要意义，对支气管病变早期检测存在迫切需求。自体荧光支气管镜（AFB）是用于支气管病变检测的主要方式，因为它对可疑病灶显示出高灵敏度。然而，医生必须交互式浏览长视频流以定位病灶，使得搜索极其繁琐且易出错。遗憾的是，探索自动化 AFB 视频分析以高效检测病灶的研究有限。我们提出了一种鲁棒的自动 AFB 分析方法，该方法在视频中区分有信息帧与无信息帧。此外，对于有信息帧，我们确定包含潜在病灶的帧并勾画出候选病灶区域。我们的方法结合了基于计算机的图像分析、机器学习与深度学习。因此，AFB 视频流的分析变得更为可行。对患者 AFB 视频的测试表明，≥97% 的帧被正确标注为有信息或无信息。此外，≥97% 的病灶帧被正确识别，假阳性与假阴性率 ≤3%。
引用
@article{arxiv.2303.12198,
title = {Autofluorescence Bronchoscopy Video Analysis for Lesion Frame Detection},
author = {Qi Chang and Rebecca Bascom and Jennifer Toth and Danish Ahmad and William E. Higgins},
journal= {arXiv preprint arXiv:2303.12198},
year = {2023}
}