18、视频胶囊内窥镜多帧异常检测与NASNet-Large解码器网络技术解析

视频胶囊内窥镜多帧异常检测与NASNet-Large解码器网络技术解析

1. 视频胶囊内窥镜（VCE）技术概述

视频胶囊内窥镜（VCE）是一项新兴技术，为整个胃肠道（GI）提供了非侵入性成像。自2001年首款VCE设备PillCam SB（小肠型）推出以来，多家公司也开发了类似产品。例如，CapsoCam能产生一系列360°全景图像并存储在内部存储器中。与光纤内窥镜不同，VCE能遍历整个小肠或GI道，且患者不适感较小。在COVID - 19大流行初期，内窥镜检查活动受限，使得胶囊内窥镜的使用更加广泛。VCE正迅速成为各种小肠疾病（如乳糜泻、炎症性肠病和癌症）的主要筛查和诊断技术。

然而，VCE的应用仍存在局限性。审查VCE记录是一个繁琐的过程，需要大量的培训和经验。记录时长可达数小时，帧数从14400 - 72000不等，且胶囊在肠道内的运动和方向变化会导致一些异常情况模糊、遮挡或仅出现在单帧中。因此，医生必须仔细审查每个记录，并依靠相邻帧的上下文线索来识别和确认潜在异常。目前的VCE审查过程劳动强度大、成本高，且由于人为限制容易出现诊断错误。

2. 现有VCE模型的局限性

当前机器辅助VCE筛查主要有两个任务：胶囊定位和异常检测。过去十年，相关研究大多从手工特征转向深度学习方法。深度卷积神经网络（CNNs）在VCE异常分类中表现出色，自2015年以来，大多数异常检测研究的准确率超过90%，基于CNN的定位方法准确率达99%。

但现有的先进模型存在不足。它们大多基于单帧图像进行预测，依赖标准的“现成”模型，如Resnet。虽然单帧方法取得了一定成果，但与医生审查VCE记录的方式不同。医生通常会审查一系列图像来评估病变或其他结构缺陷。而且