通过 Medico 2020 与 MedAI 2021 挑战赛验证结肠镜中息肉与器械分割方法
图像与视频处理
2024-05-08 v4 计算机视觉与模式识别
摘要
结肠镜图像的自动分析因早期检测癌前息肉的重要性而一直是活跃的研究领域。然而，由于内镜医师技能与经验差异、注意力缺失及疲劳等诸多因素，在实时检查中检测息肉颇具挑战，导致息肉漏诊率居高不下。深度学习已成为应对此挑战的一种有前景的方案，因其可实时辅助内镜医师检测并分类被忽略的息肉与异常。除算法准确性外，透明性与可解释性对于阐明算法预测的原委与机制至关重要。此外，多数算法基于私有数据、闭源或专有软件开发，方法缺乏可复现性。因此，为推动高效且透明方法的发展，我们组织了“Medico 自动息肉分割（Medico 2020）”与“MedAI：医学图像分割中的透明性（MedAI 2021）”竞赛。我们给出全面总结并分析各项贡献，凸显性能最优方法的优势，并探讨此类方法临床转化的可能性。针对透明性任务，一支包括胃肠病学专家在内的多学科团队评估了每份提交，并基于开源实践、失败案例分析、消融研究、评估的可用性与可理解性进行评判，以深入理解模型用于临床部署的可信度。通过对挑战赛的详尽分析，我们不仅彰显了息肉与手术器械分割领域的进展，亦倡导以定性评估构建更透明、可理解的基于 AI 的结肠镜系统。
引用
@article{arxiv.2307.16262,
title = {Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges},
author = {Debesh Jha and Vanshali Sharma and Debapriya Banik and Debayan Bhattacharya and Kaushiki Roy and Steven A. Hicks and Nikhil Kumar Tomar and Vajira Thambawita and Adrian Krenzer and Ge-Peng Ji and Sahadev Poudel and George Batchkala and Saruar Alam and Awadelrahman M. A. Ahmed and Quoc-Huy Trinh and Zeshan Khan and Tien-Phat Nguyen and Shruti Shrestha and Sabari Nathan and Jeonghwan Gwak and Ritika K. Jha and Zheyuan Zhang and Alexander Schlaefer and Debotosh Bhattacharjee and M. K. Bhuyan and Pradip K. Das and Deng-Ping Fan and Sravanthi Parsa and Sharib Ali and Michael A. Riegler and Pål Halvorsen and Thomas De Lange and Ulas Bagci},
journal= {arXiv preprint arXiv:2307.16262},
year = {2024}
}