面向全程序结肠镜视频的多肿瘤计数

自动化结肠镜报告有巨大的潜力，可提高结肠镜程序的质量控制并降低成本。主要挑战在于自动识别、跟踪和跨全程序结肠镜视频重新关联（ReID）肿瘤轨迹。这对于精确计数肿瘤至关重要，可实现自动计算关键质量指标，如 Adenoma Detection Rate（ADR）和 Polyps Per Colonoscopy（PPC）。然而，肿瘤 ReID 因肿瘤外观变化、频繁离开视野范围以及遮挡而具有挑战性。本文利用 REAL-Colon 数据集——第一个提供全程序视频的开放数据集——定义任务、数据划分和用于自动计数全程序视频中肿瘤的指标，建立了一个开放框架。我们重新实现了基于 SimCLR 的方法，用于学习肿瘤轨迹的表示，包括单帧和多视角，并将其适应肿瘤计数任务。我们随后提出一种基于 Affinity Propagation 的聚类方法，以进一步提高基于这些学习表示的 ReID，从而增强肿瘤计数。我们的方法在 REAL-Colon 数据集上实现了最先进的性能，肿瘤碎片化率为 6.30，虚假阳性率（FPR）低于 5%。我们在 https://github.com/lparolari/towards-polyp-counting 上发布了代码。