首页 > 中国医学物理学杂志 > 基于少样本学习算法的结直肠粘膜下肿瘤和息肉内镜图像分类系统

基于少样本学习算法的结直肠粘膜下肿瘤和息肉内镜图像分类系统

Development of a few-shot learning based model for the classification of colorectal submucosal tumors and polyps on endoscopic images

二维码有效期 120s

摘要目的:为解决难以收集足够结直肠粘膜下肿瘤样本训练深度学习模型的问题,基于少样本学习算法构建了粘膜下肿瘤和息肉内镜图像分类模型.方法:收集多中心来源的结直肠粘膜下肿瘤内镜图像共172张,包括结直肠脂肪瘤(CRLs)、神经内分泌肿瘤(NETs)、锯齿状病变及息肉、传统腺瘤各43张.基于这些内镜图像构建支持集和查询集,在ImageNet和食管内镜图像上二次预训练的ResNet50提取图像特征,计算欧氏距离,使用K近邻算法进行分类.与原始模型和低、高年资内镜医师进行对比,评估少样本学习模型的分类性能.结果:提出的少样本学习模型分类准确率、宏曲线下面积和Macro F1值分别为0.831、0.925和0.831,诊断CRLs的准确率和F1值分别为0.925和0.850,诊断NETs的准确率和F1值分别为0.906和0.805.同时,该模型具有较好的分类一致性(Kappa=0.775)和可解释性.结论:构建的少样本学习模型在区分CRLs、NETs、锯齿状病变及息肉、传统腺瘤内镜图像上表现出优异性能,可用于辅助内镜下识别结直肠粘膜下肿瘤.

作者伍亚辉 ^[1] 朱世祺 ^[2] 吴宇东 ^[3] 张儒发 ^[4] 朱锦舟 ^[2] 学术成果认领

作者单位苏州大学附属第一医院消化内科,江苏苏州 215006;同济大学附属东方医院儿内科,上海 200120 ^[1] 苏州大学附属第一医院消化内科,江苏苏州 215006 ^[2] 苏州市相城区阳澄湖人民医院内科,江苏苏州 215138 ^[3] 苏州大学附属常熟医院消化内科,江苏苏州 215500 ^[4]

关键词少样本学习结直肠粘膜下肿瘤结直肠息肉消化内镜图像深度学习 few-shot learning colorectal submucosal tumor colorectal polyp endoscopic image deep learning

分类号 R318（医用一般科学）R574（消化系及腹部疾病）

栏目名称

医学人工智能

DOI 10.3969/j.issn.1005-202X.2024.07.017

发布时间 2024-07-23（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家自然科学基金（82000540）教育部重点实验室开放基金（GPKF202304）苏州市科教兴卫项目（KJXW2019001）苏州大学医学部学生课外科研项目（2021YXBKWKY050）