Key points are not available for this paper at this time.
Um novo método de detecção assistida por computador baseado em um framework de aprendizado profundo foi proposto para detectar úlcera e erosão do intestino delgado em imagens de endoscopia por cápsula wireless (WCE). Até onde sabemos, esta é a primeira vez que um framework de aprendizado profundo foi utilizado na detecção automatizada de úlcera e erosão em imagens de WCE. Comparado com o método de detecção tradicional, o framework de aprendizado profundo pode produzir características de imagem diretamente dos dados e aumentar a precisão de reconhecimento, bem como a eficiência, especialmente para grandes volumes de dados. O método desenvolvido incluiu recorte de imagem e compressão de imagem. A rede neural convolucional AlexNet foi treinada com um banco de dados contendo dezenas de milhares de imagens de WCE para diferenciar lesões e tecido normal. Os resultados da detecção de úlcera e erosão atingiram uma alta precisão de 95,16% e 95,34%, sensibilidade de 96,80% e 93,67%, e especificidade de 94,79% e 95,98%, respectivamente. A área sob a curva de características de operação do receptor foi superior a 0,98 em ambas as redes. Os resultados promissores indicam que o método proposto tem potencial para trabalhar em conjunto com médicos para detectar eficientemente úlcera e erosão intestinal.
Fan et al. (Mon,) estudaram esta questão.