基于术中内镜数字视频的肾结石形态深度识别
计算机视觉与模式识别
2022-09-28 v1 人工智能
摘要
肾结石形态学标准的收集与分析对于结石疾病的病因学诊断至关重要。然而，目前最成熟的手术干预手段——基于原位激光的泌尿系结石碎石术，可能破坏目标结石的形态。在本研究中，我们评估了在标准照护术中 session 处理完整数字内镜视频序列以自动识别结石形态特征的性能与附加价值。为此，我们开发了一种计算机辅助视频分类器，利用临床环境中获取的术中数字内镜视频原位预测结石形态。所提技术在涉及“Ia/一水草酸钙(COM)”、“IIb/二水草酸钙(COD)”和“IIIb/尿酸(UA)”形态的纯结石（即仅含一种形态）和混合结石（即至少含两种形态）上进行了评估。使用所提视频分类器分析了 71 段数字内镜视频（50 段仅表现一种形态类型，21 段表现两种），共处理 56840 帧。采用所提方法，诊断性能（在纯结石与混合结石类型上平均）如下：平衡准确率=88%、灵敏度=80%、特异度=95%、精确率=78%、F1-score=78%。所得结果表明，应用于数字内镜视频序列的 AI 是一种有前景的工具，可在结石碎石过程的时间进程中收集形态信息，而无需任何人工干预进行结石勾画或优选高质量稳态帧。为此，必须从帧与像素两个层面的预测过程中去除无关图像信息，这借助专用 AI 网络现已可行。
引用
@article{arxiv.2205.06093,
title = {Deep morphological recognition of kidney stones using intra-operative endoscopic digital videos},
author = {Vincent Estrade and Michel Daudon and Emmanuel Richard and Jean-Christophe Bernhard and Franck Bladou and Gregoire Robert and Laurent Facq and Baudouin Denis de Senneville},
journal= {arXiv preprint arXiv:2205.06093},
year = {2022}
}
备注
16 pages, 4 figures, 3 tables