导读 研究人员开发了一对模块，可以促进人工神经网络的使用，以识别结肠镜检查图像中潜在的癌性生长，而结肠镜检查图像传统上受到结肠镜检查插入...
研究人员开发了一对模块，可以促进人工神经网络的使用，以识别结肠镜检查图像中潜在的癌性生长，而结肠镜检查图像传统上受到结肠镜检查插入和旋转过程本身产生的图像噪声的困扰。
6 月 30 日，一篇描述该方法的论文发表在《CAAI 人工智能研究》杂志上。
结肠镜检查是检测结肠内壁(也称为大肠)内结直肠增生或“息肉”的黄金标准。通过分析结肠镜摄像头拍摄的图像，医疗专业人员可以在息肉扩散并导致直肠癌之前及早识别出息肉。
识别过程涉及所谓的“息肉分割”，即区分图像中属于息肉的片段与图像中属于结肠粘膜、组织和肌肉的正常层的片段。
传统上，人类执行整个图像分析，但近年来，息肉分割任务已成为计算机算法的权限，这些算法对图像中出现的内容进行逐像素标记。为此，计算模型主要依赖于结肠和息肉的特征，例如纹理和几何形状。
南开大学计算机科学学院计算机科学家、该论文的主要作者董波说：“这些算法对医疗专业人员来说是一个很大的帮助，但对他们来说，定位息肉的边界仍然是一个挑战。”
近年来，随着深度学习的应用，息肉分割相对于较为粗糙的传统方法取得了长足的进步。但即便如此，仍然存在两个主要挑战。
首先，息肉分割深度学习工作中存在大量的图像“噪声”。拍摄图像时，结肠镜镜头在肠道内旋转，从各个角度拍摄息肉图像。这种旋转运动通常会导致运动模糊和反射问题。这会模糊息肉的边界，从而使分割任务变得复杂。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！