4 статей
Систематический обзор методов глубокого обучения, применяемых для автоматического обнаружения, классификации и сегментации полипов при колоноскопии. В работе анализируются современные архитектуры нейросетей, доступные наборы данных и методы предобработки, а также обсуждаются пути перехода от экспериментальных моделей к клиническому внедрению.
Данное исследование, опубликованное в журнале npj Digital Medicine, посвящено разработке и тестированию системы искусственного интеллекта для повышения точности эндоскопической диагностики поражений ампулы двенадцатиперстной кишки. Методология исследования основывалась на применении алгоритмов глубокого обучения для анализа видеопотока в режиме реального времени во время проведения эндоскопии. Основной целью было снижение частоты пропусков патологических образований, которые сложно визуализировать традиционными методами. Ключевые результаты демонстрируют, что использование ИИ-ассистента значительно повышает чувствительность обнаружения новообразований по сравнению с диагностикой, проводимой врачами без поддержки системы. Технология позволяет автоматизировать процесс идентификации подозрительных зон, что критически важно для раннего выявления онкологических заболеваний в области ампулы. Внедрение данного решения в клиническую практику способно существенно снизить риск диагностических ошибок и улучшить исходы лечения пациентов.
В исследовании представлен инновационный метод обнаружения аномалий для интеллектуальной капсульной эндоскопии, основанный на принципах семантической связи. Авторы предлагают алгоритм глубокого обучения, который использует сходство признаков между полученными изображениями и эталонным (нормальным) изображением в качестве метрики для выявления патологий. Методология включает тестирование на клиническом наборе данных изображений, захваченных капсулой, в сочетании с симуляцией внутрителесного канала связи. Результаты показывают, что при снижении мощности передачи до 60% от стандартного уровня (QPSK) и интенсивности освещения до 65%, вероятность обнаружения аномалий сохраняется на уровне выше 85%. Применение данного подхода позволяет потенциально увеличить срок службы батареи имплантируемого устройства более чем на 43%. Это исследование имеет критическое значение для создания долговечных и эффективных систем мониторинга внутри организма, снижая энергопотребление без потери диагностической точности.
Данное исследование, опубликованное в журнале npj Digital Medicine, представляет собой рандомизированное контролируемое испытание эффективности применения систем искусственного интеллекта для обнаружения колоректальных поражений в условиях частных клиник. В работе анализируется, насколько использование ИИ-ассистентов помогает эндоскопистам повысить точность выявления полипов и других патологий во время колоноскопии. Методология исследования направлена на сравнение показателей обнаружения аденом (ADR) между группами врачей, использующих ИИ-поддержку, и контрольной группой, выполняющей процедуры стандартным способом. Ожидается, что внедрение подобных технологий позволит значительно снизить риск пропуска клинически значимых поражений, что критически важно для профилактики колоректального рака. Результаты подчеркивают практическую значимость интеграции компьютерного зрения в рутинную эндоскопическую практику для повышения качества медицинского обслуживания и точности диагностики.
