مدل یادگیری عمیق برای تشخیص پولیپ‌های تکراری در آندوسکوپی کپسولی

در آندوسکوپی کپسولی رودهٔ بزرگ، تشخیص اینکه چند تصویر مربوط به یک پولیپ هستند یا نه، می‌تواند به جلوگیری از شمارش چندبارهٔ پولیپ‌ها و مداخله‌های بالینی غیرضروری کمک کند. این کار همچنین ممکن است نیاز به کولونوسکوپی‌های پیگیری طولانی را کاهش دهد؛ فرایندهایی که در آن متخصصان باید دنبال پولیپ‌های تکراری بگردند، بی‌آنکه محل دقیقشان مشخص باشد.

پژوهش معرفی‌شده در پیش‌چاپی در arXiv، روشی مبتنی بر یادگیری تقابلی و معماری شبکهٔ عصبی سیامی پیشنهاد می‌کند. مدل با داده‌های کارآزمایی CareForColon2015 دانمارک آموزش دیده است: ۵۱۰۳ جفت تصویر که پزشکان باتجربه آن‌ها را تصاویر یک پولیپ یکسان تشخیص داده بودند و ۵۱۰۳ جفت تصویر از پولیپ‌های متفاوت. در بخش موجود از چکیده، به استفاده از گونه‌هایی از ResNet، از جمله ResNet18، اشاره شده است؛ اما اطلاعاتی دربارهٔ نتایج عملکرد مدل در دسترس نیست.