Jun, 2024

走向结肠胶囊内窥镜路径中的人工智能全面整合

PDF
TL;DR我们的研究旨在通过将人工智能全面整合到结肠胶囊内窥镜的路径中，自动进行图像处理步骤，并自主地检测、定位和表征重要发现，从而消除结肠胶囊内窥镜在临床实践中与光学结肠镜之间的差距。
colon capsule endoscopyai integrationcolorectal polypscharacterisation networksize estimation network
发现论文，激发创造
  • 结肠胶囊内镜自动息肉检测

    使用几何分析和纹理内容的二元分类器进行结肠胶囊内镜图像诊断，结果表明算法在具有 47% 的每帧敏感度和 90% 特异度的情况下，对肿瘤的诊断表现良好。

    May, 2013

  • 一项基于计算机视觉挑战的深度学习息肉检测和分割方法通用性评估

    本研究使用机器学习技术对多中心和多人群结肠镜图像中出现的息肉进行检测和分割，并分析了表现最好的团队的结果，发现准确性高于即时性能，并提出了需要提高模型泛化性来应对多中心数据集中的多样性的观点。

    Feb, 2022

  • 使用深度学习在结肠镜检查中实时进行息肉检测、定位和分割

    本研究旨在通过使用 Kvasir-SEG 数据集对几种先进方法进行基准测试，评估其在结肠镜疾病检测、定位和分割方面的性能，并显示所提出的 ColonSegNet 方法在精度、速度和分割任务方面均表现优异，其表现足以证明进行自动化实时息肉鉴别和划线的必要性。

    Nov, 2020

  • 使用全卷积网络进行结肠镜图像中息肉分割

    本文提出了一种基于卷积神经网络的息肉分割方法，通过训练时的图像块选择和测试时的有效后处理，相较于先前的结肠镜视频分割方法更具准确性。

    Feb, 2018

  • 胶囊内镜和人工智能的交叉领域：利用机器学习应对独特挑战

    研究介绍了视频胶囊内窥镜、人工智能以及 VCE 数据解释等主题，使用卷积神经网络准确识别解剖标记，以轻量级模型提高临床医生信心。

    Aug, 2023

  • AI CADe 结肠息肉检测器在新国家的不合理有效性

    通过测量真阳性率与每分钟误报数之间的关系，基于 “MAsked mediCal Embedding Distance” (MACE) 对以色列和日本结肠镜检查数据进行评估，发现尽管数据存在差异，但人工智能计算机辅助检测 (CADe) 在评估日本结肠镜检查数据时是非劣于以色列数据的，可以通过 MACE 帮助医学界的人工智能模型进行国际化。

    Dec, 2023

  • REAL-Colon: 结肠镜检查中开发真实世界的 AI 应用的数据集

    通过引入 REAL-Colon 数据集，研究人员和开发人员可以推进结肠镜下人工智能研究，实现更准确可靠的结肠镜相关算法和模型的发展与基准测试。

    Mar, 2024

  • 基于视觉触觉感知与置信校准神经网络的可靠结肠癌息肉分类

    本研究提出了一种置信度校准的残差神经网络用于结直肠癌息肉分类，该模型采用了新颖的基于视觉的触觉传感系统和独特的结直肠癌息肉幻影，并通过温度缩放后处理方法解决过于自信的输出问题。通过引入噪声和模糊处理检验模型可靠性，结果显示模型有效地处理了非理想输入。

    Apr, 2023

  • 结肠镜图像内腔场景分割基准

    介绍一个用于结肠镜图像分析的新基准，通过使用决策支持系统在不同阶段提供内腔场景分割，基于全卷积神经网络的训练，在不进行后处理的情况下，在内腔场景分割方面优于以往结果。

    Dec, 2016

  • 增强的 CenterNet 与对比学习的自动息肉检测

    通过使用增强中心点网络与对比学习 (ECC-PolypDet) 的两阶段训练和端到端推理框架，结合图像和边界框注释来训练通用模型，并基于推理得分对其进行微调，以获取一个最终鲁棒的模型，从而实现对结直肠癌早期诊断至关重要的息肉准确检测。

    Jan, 2024