面向结肠镜中肿瘤计数的时序感知监督对比学习

自动化结肠镜肿瘤计数是实现自动化手术报告和质量控制的关键步骤，旨在提高结肠镜筛查的经济效益。计数结肠镜肿瘤涉及检测和跟踪肿瘤，然后聚类属于同一肿瘤实体的轨迹。现有方法依赖于自监督学习，主要利用视觉外观，忽略轨迹特征学习和聚类阶段中的时序关系。本文提出一种范式转变，提出一种 incorporates 时序感知软目标的监督对比损失。我们的 метод能够捕捉肿瘤内部的变异性，同时保持肿瘤间的判别性，从而实现更稳健的聚类。此外，我们通过整合时序相邻约束来提高轨迹聚类效果，减少视觉相似但时序上相距甚远的轨迹之间的误关联。我们在公开数据集上进行训练和验证，并采用留一交叉验证策略评估其性能。结果表明，我们的方法将碎片化率比先前方法降低了 2.2 倍。我们的結果突显了在肿瘤计数中时序感知的重要性，建立了新的状态-of-the-art。代码可在 https://github.com/lparolari/temporally-aware-polyp-counting 获取。