使用序数多示例学习从内镜视频自动估计溃疡性结肠炎严重程度
图像与视频处理
2021-10-01 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
溃疡性结肠炎（UC）是一种以大肠反复炎症为特征的慢性炎性肠病。UC 的严重程度通常由 Mayo 内镜子评分（MES）表示，该评分从内镜视频量化黏膜疾病活动度。在临床试验中，内镜视频依据视频中观察到的最严重疾病活动度被赋予一个 MES。因此，遍布结肠的严重炎症与 otherwise 健康但仅一小段局部区域有严重炎症的结肠会得到相同的 MES。因而，大肠中疾病活动的范围以及整体治疗应答可能无法被 MES 完全捕获。在本工作中，我们旨在自动估计内镜视频中每一帧的 UC 严重程度，以提供对结肠疾病活动度更高分辨率的评估。由于帧级严重度标注昂贵、费力且高度主观，我们提出一种新颖的弱监督序数分类方法，仅从视频 MES 标签估计帧严重程度。使用临床试验数据，我们首先在预测 UC 黏膜愈合和缓解方面分别取得了 0.92 和 0.90 的 AUC。然后，对于严重程度估计，我们证明我们的模型与真实 MES 标签达到了显著的 Cohen's Kappa 一致性，可与专家临床医师的评分者间一致性相比。这些发现表明，我们的框架可基于更局部的评分系统作为新型临床终点的基础，以更好地评估临床试验中 UC 药物的疗效。
引用
@article{arxiv.2109.14685,
title = {Automatic Estimation of Ulcerative Colitis Severity from Endoscopy Videos using Ordinal Multi-Instance Learning},
author = {Evan Schwab and Gabriela Oana Cula and Kristopher Standish and Stephen S. F. Yip and Aleksandar Stojmirovic and Louis Ghanem and Christel Chehoud},
journal= {arXiv preprint arXiv:2109.14685},
year = {2021}
}
备注
*Co-Senior Authors. Accepted for publication in the Special Issue Journal of Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization and presented at the MICCAI 2021 AE-CAI $|$ CARE $|$ OR 2.0 Workshop