深度学习在结肠镜检查中的应用:检测和分类结肠息肉的新进展

RayRay
深度学习结肠镜检查息肉检测息肉分类医学影像Github开源项目

deep-learning-colonoscopy

深度学习在结肠镜检查中的应用:检测和分类结肠息肉的新进展

结肠直肠癌是全球范围内的重大健康问题,也是美国第二致命的癌症,每年造成约90万人死亡。虽然致命,但通过在结肠息肉(称为息肉)发展成癌症之前将其切除,可以预防结肠直肠癌。事实上,有研究估计,腺瘤检出率(ADR,定义为医生在检查中发现至少一个息肉的比例)每提高1%,可以使间隔性结肠直肠癌(在阴性结肠镜检查后60个月内诊断出的结肠直肠癌)的发生率降低6%。

结肠镜检查被认为是检测和切除息肉的金标准程序。然而,文献表明,内镜医生在结肠镜检查中平均会漏诊22%-28%的息肉;此外,20%至24%有可能发展成癌症的息肉(腺瘤)被漏诊。导致内镜医生漏诊息肉的两个主要因素是:(1)息肉出现在视野中,但内镜医生因其体积小或形状扁平而未能发现;(2)息肉没有出现在视野中,因为内镜医生在检查过程中没有完全覆盖相关区域。

近年来,深度学习技术在医学图像分析领域取得了突破性进展,为提高结肠镜检查的准确性和效率提供了新的解决方案。本文将全面综述深度学习在结肠镜检查中的应用,重点关注用于检测和分类结肠息肉的深度学习方法。

研究分类

根据深度学习在结肠镜检查中的具体应用,我们可以将相关研究分为三类:

  1. 息肉检测和定位:通过边界框或二值掩码(即分割)来检测和定位息肉。
  2. 息肉分类:对已检测到的息肉进行分类,如区分腺瘤和增生性息肉。
  3. 同时进行息肉检测和分类:使用单一模型(如YOLO或SSD)同时完成息肉的检测和分类。

深度学习用于结肠镜检查的应用分类

公开数据集

为了促进该领域的研究,一些公开数据集被广泛使用:

  • CVC-ClinicDB:包含612张来自31个序列(23名患者)的白光图像,涉及31个不同的息肉。
  • CVC-ColonDB:包含300张来自13个序列(13名患者)的白光图像。
  • CVC-EndoSceneStill:包含912张来自44个视频的白光图像(CVC-ClinicDB + CVC-ColonDB)。
  • CVC-PolypHD:包含56张高清白光图像。
  • ETIS-Larib:包含196张带有息肉的图像。
  • Kvasir:包含8000张内镜图像,涵盖多种胃肠道疾病。
  • Kvasir-SEG:包含1000张带有像素级标注的结肠息肉图像。

这些数据集为研究人员提供了宝贵的资源,用于开发和评估深度学习模型。

深度学习架构

研究人员采用了各种深度学习架构来解决结肠镜检查中的问题:

现成架构

  • 用于分类:VGG16/19, ResNet50/101, Inception v3, MobileNet等
  • 用于检测:Faster R-CNN, YOLOv3/v4, SSD, RetinaNet等
  • 用于分割:U-Net, SegNet, DeepLab v3+等

自定义架构

一些研究提出了针对结肠镜检查任务的特定架构:

  • SSD-ResNet-FCN (Zhang R. et al. 2018)
  • Y-Net (Mohammed et al. 2018)
  • PolypSeg (Jia X. et al. 2020)
  • ColonSegNet (Qadir et al. 2021)

这些自定义架构旨在解决结肠镜图像分析的特定挑战,如不同尺度的息肉、复杂的背景等。

数据增强策略

由于医学图像数据集通常规模有限,数据增强成为提高模型泛化能力的重要手段。常用的数据增强技术包括:

  • 几何变换:旋转、翻转、缩放、裁剪
  • 颜色变换:亮度、对比度、色调调整
  • 噪声添加:高斯噪声、椒盐噪声
  • 图像混合:CutMix、Mixup
  • 特定领域增强:模拟不同光照条件、内镜角度变化等

数据增强示例

性能评估

为了全面评估深度学习模型在结肠镜检查中的表现,研究者们使用了多种性能指标:

息肉检测和定位

  • 准确率(Precision)
  • 召回率(Recall)
  • F1分数
  • 平均精度(mAP)
  • 帧级检测准确率
  • 息肉级检测准确率

息肉分类

  • 准确率(Accuracy)
  • 特异性(Specificity)
  • 敏感性(Sensitivity)
  • AUC-ROC

同时进行息肉检测和分类

  • 检测性能指标
  • 分类性能指标
  • 端到端性能指标(如同时正确检测和分类的比例)

最新研究进展

近期的一些研究成果展示了深度学习在提高结肠镜检查效率和准确性方面的巨大潜力:

  1. Misawa等人(2021)开发的实时息肉检测系统在临床试验中显示,使用AI辅助可将ADR从34.4%提高到43.2%。

  2. Nogueira-Rodríguez等人(2023)提出的多任务学习框架可同时执行息肉检测、分割和分类,在CVC-ClinicDB数据集上取得了98.3%的F1分数。

  3. Liu等人(2021)设计的轻量级网络架构在保持高准确率的同时,实现了每秒124帧的实时处理速度。

这些研究表明,深度学习技术有望成为内镜医生的得力助手,提高结肠镜检查的质量,最终降低间隔性结肠直肠癌的发生率。

挑战与展望

尽管取得了显著进展,深度学习在结肠镜检查中的应用仍面临一些挑战:

  1. 数据集规模和多样性:需要更大规模、更多样化的标注数据集来提高模型的泛化能力。

  2. 实时性能:在保证高准确率的同时,如何进一步提高处理速度以满足实时检查需求。

  3. 可解释性:提高深度学习模型的可解释性,增强医生对AI辅助诊断结果的信任。

  4. 临床验证:需要更多大规模、多中心的随机对照试验来验证AI系统在实际临床环境中的效果。

  5. 伦理和监管:制定相关政策和标准,规范AI辅助诊断系统的开发、评估和使用。

未来的研究方向可能包括:

  • 多模态融合:结合内镜图像、患者病史、基因信息等多源数据进行综合分析。
  • 自监督学习:利用大量未标注数据提高模型性能。
  • 联邦学习:在保护隐私的前提下,实现多中心数据协作。
  • 个性化模型:根据不同医院、不同设备特点定制模型。

结论

深度学习技术在结肠镜检查中的应用展现出巨大潜力,有望显著提高息肉检测和分类的准确性,降低漏诊率。尽管仍存在一些挑战,但随着技术的不断进步和更多临床验证的开展,AI辅助诊断系统有望在不久的将来成为内镜医生的得力助手,为患者提供更高质量的医疗服务。

作为一个快速发展的领域,我们鼓励研究人员、临床医生和工程师们继续探索深度学习在结肠镜检查中的创新应用,共同推动这一技术在实际临床实践中的落地,最终造福更多患者。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多