剛在nature子刊上看到一篇文章，目前的人工智能在內(nèi)鏡領(lǐng)域到底到什么程度了，深有同感，進(jìn)行內(nèi)窺鏡檢查是許多中空器官的金標(biāo)準(zhǔn)，它主要用于疾病監(jiān)測(cè)、炎癥監(jiān)測(cè)、早期癌癥檢測(cè)、腫瘤表征和切除程序、微創(chuàng)治療干預(yù)和治療反應(yīng)監(jiān)測(cè)；內(nèi)窺鏡檢查高度依賴于操作員，所以對(duì)某些疾病的病例判斷依靠經(jīng)驗(yàn)和主觀積累，導(dǎo)致臨床結(jié)果的偏差，如果要提高臨床判斷的可靠和準(zhǔn)確性，就需要借助人工智能 (AI) 內(nèi)窺鏡圖像分析，如果能結(jié)合3D重建，那么更能節(jié)省內(nèi)鏡檢查的效率。而人工智能雖然能結(jié)合大量臨床影像數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，然后進(jìn)行相互驗(yàn)證，但數(shù)據(jù)異質(zhì)性、多模態(tài)以及罕見或不顯眼的疾病病例就會(huì)變的很難判斷，人口多樣性和不同設(shè)備制造商導(dǎo)致的數(shù)據(jù)異質(zhì)性；使得AI內(nèi)鏡的難度增大不少；內(nèi)窺鏡成像及其分析是一個(gè)高度專業(yè)化且具有挑戰(zhàn)性的課題。內(nèi)窺鏡成像具有多因素依賴性，包括對(duì)醫(yī)生操作的大量依賴（例如，經(jīng)驗(yàn)和培訓(xùn)）、范圍相關(guān)問題（例如，圖像質(zhì)量可變性）和強(qiáng)調(diào)場(chǎng)景動(dòng)態(tài)（例如，具有嚴(yán)重偽影的幀，或者圖像不清晰、或者器官運(yùn)動(dòng)和表面漂移，雖然中空器官的 3D 重建至關(guān)重要，但由于多種原因難以實(shí)現(xiàn)，包括高度非線性的器官變形、場(chǎng)景混亂（例如，體液流動(dòng)、血液）和閉塞（例如，肝臟手術(shù)周圍的脂肪）。因此，大多數(shù)研究都集中在使用分類、檢測(cè)和分割方法進(jìn)行局部場(chǎng)景評(píng)估...