谷歌人工智能实验室：使用机器学习检测结肠镜检查筛查的覆盖率不足
文库划重点：该方法可以改善结肠镜检查的覆盖率。C2D2 算法在手术过程中捕获图像时对结肠进行局部 3D 重建，并在此基础上识别出结肠的哪些区域被覆盖，哪些区域不在视野范围内。
在一篇名为「检测结肠镜检查中的覆盖不足」的研究中，来自谷歌人工智能实验室的团队介绍了一种基于机器学习的通过深度算法或 C2D2 进行结肠镜检查的覆盖不足的方法。
该方法可以改善结肠镜检查的覆盖率。C2D2 算法在手术过程中捕获图像时对结肠进行局部 3D 重建，并在此基础上识别出结肠的哪些区域被覆盖，哪些区域不在视野范围内。
然后，C2D2 可以实时指示结肠的特定区域是否覆盖不足，因此内镜医师可以返回该区域。
该研究提出了一种新颖的实时计算覆盖率的方法，该方法使用无标定，无监督的学习方法进行 3D 重建，并进行大规模评估。
英文原文：
https://ai.googleblog.com/2020/08/using-machine-learning-to-detect.html
收录于哈希力量，手机站省略本文固定网址
