基于机器学习的肾结石体内识别

确定肾结石类型可使泌尿科医生开具治疗方案以避免肾石症复发。一种自动化的基于体内图像的分类方法，将是迈向作为诊断第一阶段所需的肾结石类型即时识别的重要一步。文献中已表明，在离体数据（即非常受控的场景和图像采集条件下）自动化肾结石分类确实是可行的。本试点研究比较了六种浅层机器学习方法和三种深度学习架构的肾结石识别性能，这些方法在标准的输尿管镜检查期间用内镜采集的四种最常见尿路结石类型的体内图像上进行了测试。本文详述了数据库构建及所测试肾结石分类器的设计。即使最佳结果由Inception v3架构获得（加权精确率、召回率和F1分数分别为0.97、0.98和0.97），研究也表明选择合适的颜色空间和纹理特征可使浅层机器学习方法接近最有前景的深度学习方法性能（XGBoost分类器得出的加权精确率、召回率和F1分数值为0.96）。本文是首篇探索从输尿管镜检查期间采集的图像中提取最具判别性特征的工作。