使用生成对抗网络进行结肠镜图像合成，以提高卷曲锯齿状病变的检测率，结合卷积神经网络

计算机辅助检测（CADe）系统在结肠镜中针对息肉检测进行了积极研究。要成为一个有效的系统，检测可能被内窥镜医生轻易漏掉的额外息肉至关重要。静息锯齿状病变（SSLs）是结直肠癌的前兆，其漏检率相对较高，主要是因为其平坦和微妙的形态。结肠镜CADe系统可以帮助内窥镜医生；然而，当前系统在检测SSL方面表现非常低下。我们提出了一种反映SSL形态特征的息肉检测系统，以检测未被识别或轻易漏掉的息肉。为了开发一个训练良好的系统并处理不平衡的息肉数据，使用生成对抗网络（GAN）合成了包括SSL的高分辨率整个内窥镜图像。对GAN合成图像的定量和定性评估确保合成图像真实，并包含SSL内窥镜特征。此外，使用传统增强方法比较GAN增强方法的效果。使用GAN合成图像增强的CADe系统在SSL检测上的灵敏度提高了17.5%。因此，我们验证了GAN合成高分辨率内窥镜特征图像的潜力，并发现所提议的系统在结肠镜检查中有效检测轻易漏掉的息肉。