新的深度学习方法深入了解结肠镜检查的真相

研究职员开辟了一对模块，可以增进人工神经收集的利用，以辨认结肠镜查抄图象中潜伏的癌性发展，而结肠镜查抄图象传统上遭到结肠镜查抄插入和扭转进程自己发生的图象噪声的困扰。

6 月 30 日，一篇描写该方式的论文颁发在《CAAI 人工智能研究》杂志上。

结肠镜查抄是检测结肠内壁(也称为年夜肠)内结直肠增生或“瘜肉”的黄金尺度。经由过程阐发结肠镜摄像头拍摄的图象，医疗专业职员可以在瘜肉分散并致使直肠癌之前尽早辨认前程肉。

辨认进程触及所谓的“瘜肉朋分”，即辨别图象中属于瘜肉的片断与图象中属于结肠粘膜、组织和肌肉的正常层的片断。

传统上，人类履行全部图象阐发，但最近几年来，瘜肉朋分使命已成为计较机算法的权限，这些算法对图象中呈现的内容进行逐像素标识表记标帜。为此，计较模子首要依靠于结肠和瘜肉的特点，例如纹理和几何外形。

南开年夜学计较机科学学院计较机科学家、该论文的首要作者董波说：“这些算法对医疗专业职员来讲是一个很年夜的帮忙，但对他们来讲，定位瘜肉的鸿沟依然是一个挑战。”

最近几年来，跟着深度进修的利用，瘜肉朋分相对较为粗拙的传统方式获得了长足的前进。但即使如斯，依然存在两个首要挑战。

起首，瘜肉朋分深度进修工作中存在年夜量的图象“噪声”。拍摄图象时，结肠镜镜头在肠道内扭转，从各个角度拍摄瘜肉图象。这类扭转活动凡是会致使活动恍惚和反射题目。这会恍惚瘜肉的鸿沟，从而使朋分使命变得复杂。