研究人員開(kāi)發(fā)了一對(duì)模塊，可以促進(jìn)人工神經(jīng)網(wǎng)絡(luò)的使用，以識(shí)別結(jié)腸鏡檢查圖像中潛在的癌性生長(zhǎng)，而結(jié)腸鏡檢查圖像傳統(tǒng)上受到結(jié)腸鏡檢查插入和旋轉(zhuǎn)過(guò)程本身產(chǎn)生的圖像噪聲的困擾。
6 月 30 日，一篇描述該方法的論文發(fā)表在《CAAI 人工智能研究》雜志上。
結(jié)腸鏡檢查是檢測(cè)結(jié)腸內(nèi)壁(也稱(chēng)為大腸)內(nèi)結(jié)直腸增生或“息肉”的黃金標(biāo)準(zhǔn)。通過(guò)分析結(jié)腸鏡攝像頭拍攝的圖像，醫(yī)療專(zhuān)業(yè)人員可以在息肉擴(kuò)散并導(dǎo)致直腸癌之前及早識(shí)別出息肉。
識(shí)別過(guò)程涉及所謂的“息肉分割”，即區(qū)分圖像中屬于息肉的片段與圖像中屬于結(jié)腸粘膜、組織和肌肉的正常層的片段。
傳統(tǒng)上，人類(lèi)執(zhí)行整個(gè)圖像分析，但近年來(lái)，息肉分割任務(wù)已成為計(jì)算機(jī)算法的權(quán)限，這些算法對(duì)圖像中出現(xiàn)的內(nèi)容進(jìn)行逐像素標(biāo)記。為此，計(jì)算模型主要依賴(lài)于結(jié)腸和息肉的特征，例如紋理和幾何形狀。
南開(kāi)大學(xué)計(jì)算機(jī)科學(xué)學(xué)院計(jì)算機(jī)科學(xué)家、該論文的主要作者董波說(shuō)：“這些算法對(duì)醫(yī)療專(zhuān)業(yè)人員來(lái)說(shuō)是一個(gè)很大的幫助，但對(duì)他們來(lái)說(shuō)，定位息肉的邊界仍然是一個(gè)挑戰(zhàn)。”
近年來(lái)，隨著深度學(xué)習(xí)的應(yīng)用，息肉分割相對(duì)于較為粗糙的傳統(tǒng)方法取得了長(zhǎng)足的進(jìn)步。但即便如此，仍然存在兩個(gè)主要挑戰(zhàn)。
首先，息肉分割深度學(xué)習(xí)工作中存在大量的圖像“噪聲”。拍攝圖像時(shí)，結(jié)腸鏡鏡頭在腸道內(nèi)旋轉(zhuǎn)，從各個(gè)角度拍攝息肉圖像。這種旋轉(zhuǎn)運(yùn)動(dòng)通常會(huì)導(dǎo)致運(yùn)動(dòng)模糊和反射問(wèn)題。這會(huì)模糊息肉的邊界，從而使分割任務(wù)變得復(fù)雜。
標(biāo)簽：
免責(zé)聲明：本文由用戶(hù)上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！