基于神经网络的阴道镜图像镜面反射去除：无需真实标签先验知识的监督训练

宫颈癌是一种严重威胁女性健康的恶性肿瘤，也是全球影响女性最常见的肿瘤之一。为早期检测，使用宫颈阴道镜图像寻找可能的损伤或异常。这类图像的一个固有特征是存在镜面反射（高亮），使得某些区域难以观察，可能导致误诊。本文提出一种基于神经网络的新型策略，用于消除镜面反射并估计亮区下未观察到的宫颈解剖部分。为克服镜面反射区域真实标签始终未知的问题，该新策略提出对神经网络进行有监督训练，以学习如何修复阴道镜图像中的任意隐藏区域。一旦识别出镜面反射，将其从图像中移除，并使用先前训练好的网络来填充这些被删除的区域。对处理后图像的质量进行了定量与定性评估。在22幅评估图像中的21幅中，检测到的镜面反射被消除，而剩余一幅中这些反射几乎被完全消除。修复图像的颜色分布与内容与原始图像相似。由宫颈病理学专家进行的评估得出结论：消除镜面反射后，修复图像中宫颈的解剖与生理结构可观察，有助于宫颈病变的医学诊断。我们的方法具有改善宫颈癌早期检测的潜力。