aidasub-cleceliachy2015——内窥镜图像检查中异常检测

今天将分享内窥镜图像检查中异常检测完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、aidasub-cleceliachy2015介绍

乳糜泻是一种免疫介导的肠病，由接触麸质和类似蛋白质引发，影响遗传易感人群，增加其患不同并发症的风险，如恶性淋巴瘤、小肠肿瘤、口咽肿瘤、骨质疏松症和骨折。在临床实践中，乳糜泻的诊断是通过诊断性肠活检和伴随的乳糜泻血清学阳性来进行的。乳糜泻引起的小肠粘膜损伤涉及不同程度的内窥镜相关病变，这些病变不易识别：即使使用变焦内窥镜检查，其总体敏感性和阳性预测值也很差。

共聚焦激光内窥镜 (CLE) 最近被证明是一种用于小肠粘膜体内虚拟组织学的有用技术，但需要熟练且经过专门培训的操作员。

损伤程度从轻微（仅上皮内淋巴细胞增加和隐窝增生（CH））到严重（涉及不同程度的内镜相关病变，例如绒毛萎缩（VA））。

二、aidasub-cleceliachy2015任务

共聚焦胃镜小肠图像四分类：正常粘膜、绒毛萎缩（VA）、隐窝肥大（CH）和绒毛萎缩且隐窝肥大（VACH）。

三、aidasub-cleceliachy2015数据集

Bankstown-Lidcombe 医院（澳大利亚悉尼）胃肠病学和肝脏服务中心之前进行的一项临床试验提供了来自 30 名患者和 50 个不同部位的 181 幅共聚焦图像。

该研究的受试者是已知患有 CD 的受试者、疑似 CD 的受试者以及对照受试者。每名患者均在清醒镇静状态下接受共聚焦胃镜检查（Pentax EC-3870FK，Pentax，东京，（日本）），并静脉注射荧光素钠和局部盐酸吖啶黄以增强图像。对同一部位进行 CLE 图像和钳活检 连续在 5 个小肠部位的标准化位置采集小肠标本，与 CLE 成像部位精确匹配，并由 2 名经验丰富的盲法组织病理学家独立评估，并随后在单次会议期间进行审查以确保内部一致性。

每幅图像都被分类为显示正常粘膜、绒毛萎缩或隐窝肥大，因为乳糜泻对肠粘膜损害的严重程度增加。

数据被分为训练集（成像站点的 60%）和测试集（成像站点的 40%）。

训练集中的每个文件都命名为

train_imagenumber_diagnosis_site，其中：

imagenumber：图像的连续代码号。

诊断：可以是NR（正常粘膜）、VA（粘膜显示绒毛萎缩）、CH（粘膜显示隐窝肥大）、VACH（粘膜显示绒毛萎缩和隐窝肥大）。

站点：识别患者和成像站点的唯一代码。

数据下载：

https://aidasub-cleceliachy.grand-challenge.org/Data/

评价指标：根据将图像分类为四个组织学类别（正常、绒毛萎缩、隐窝类型萎缩、绒毛萎缩和隐窝肥大）之一的分类准确性来评估每种算法。

四、技术路线

1、将图像缩放到固定大小1024x1024，然后采用均值为0，方差为1的方式进行归一化处理，再将数据分成训练集和验证集。

2、搭建ResNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是32，epoch是300，损失函数采用交叉熵。

3、训练结果和验证结果

4、验证集分类结果