基于有限数据的自动内镜超声站位识别
图像与视频处理
2023-12-29 v3 计算机视觉与模式识别
摘要
胰腺癌是一种致命的癌症，在全球癌症相关死亡中占很大比重。早期检测对于改善患者预后和生存率至关重要。尽管医学影像技术取得了进展，胰腺癌仍然是一种难以检测的疾病。内镜超声（EUS）是检测胰腺癌最有效的诊断工具。然而，它需要专家对复杂的超声图像进行解读，以完成可靠的患者扫描。为了获得胰腺的完整成像，从业者必须学会将内镜引导至多个“EUS站位”（解剖位置），这些位置提供胰腺的不同视图。这是一项难以掌握的技能，需要在有经验的医生支持下完成超过225项督导操作。我们构建了一个AI辅助工具，利用深度学习技术在EUS过程中实时识别胃的这些站位。该计算机辅助诊断（CAD）将有助于更高效地培训医生。历史上，开发此类工具所面临的挑战在于训练有素的临床医生所需的回顾性标注量。为了解决这个问题，我们开发了一个开源的、用户友好的标注Web应用，以最小的临床医生工作量简化了EUS过程中站位标注的流程。我们的研究表明，仅使用43项操作且未进行超参数微调，就获得了89%的平衡准确率，与当前最先进水平相当。此外，我们采用了Grad-CAM这一可视化技术，为临床医生提供可解释和可说明的可视化。
引用
@article{arxiv.2309.11820,
title = {Automatic Endoscopic Ultrasound Station Recognition with Limited Data},
author = {Abhijit Ramesh and Anantha Nandanan and Nikhil Boggavarapu and Priya Nair MD and Gilad Gressel},
journal= {arXiv preprint arXiv:2309.11820},
year = {2023}
}