迈向人工智能在结肠胶囊内镜流程中的全面整合
图像与视频处理
2024-06-17 v1 计算机视觉与模式识别
机器学习
摘要
尽管近年来人们对部署结肠胶囊内镜（CCE）用于早期诊断结直肠疾病的兴趣激增，但CCE在临床实践中的现状与其对应物光学结肠镜（OC）之间仍存在巨大差距。我们的研究旨在通过关注AI在CCE流程中的全面整合来缩小这一差距，其中与重要发现的检测、定位和表征相关的图像处理步骤由各种AI算法自主执行。我们开发了一个识别网络，以99.9%的惊人灵敏度、99.4%的特异性和99.8%的阴性预测值（NPV）检测结直肠息肉。在识别出图像序列中的息肉后，仅包含息肉的图像被送入两个并行的独立网络，分别用于表征和估计这些重要发现的大小。表征网络在将息肉分类为肿瘤性和非肿瘤性两组时，达到了82%的灵敏度和80%的特异性。大小估计网络在正确分割息肉方面达到了88%的准确率。通过自动将这些关键信息整合到CCE流程中，我们向AI全面融入CCE常规临床实践迈进了一步。
引用
@article{arxiv.2406.09761,
title = {Towards Full Integration of Artificial Intelligence in Colon Capsule Endoscopy's Pathway},
author = {Esmaeil S. Nadimi and Jan-Matthias Braun and Benedicte Schelde-Olesen and Emile Prudhomme and Victoria Blanes-Vidal and Gunnar Baatrup},
journal= {arXiv preprint arXiv:2406.09761},
year = {2024}
}