XiaoMi-AI文件搜索系统
World File Search System囊内
Galar - 大型多标签视频胶囊内窥镜数据集
1 Else Kr ¨ oner Fresenius 数字健康中心，德累斯顿工业大学 (TU Dresden)，德累斯顿，德国 8 2 德累斯顿工业大学 (TU Dresden) 德累斯顿大学医院第一医学系，德累斯顿，9 德国 10 3 德累斯顿工业大学 (TU Dresden) 计算机科学研究所，德累斯顿，德国 11 4 德累斯顿 Diakonissen Krankenhaus，胃肠病学，德累斯顿，德国 12 5 乌尔姆大学和乌尔姆大学医学中心人类遗传学研究所，乌尔姆，德国 13 6 海德堡大学医院国家肿瘤疾病中心 (NCT) 肿瘤内科，海德堡，14 德国 15 7 维尔茨堡 16 大学医院内科 II 介入和实验内镜检查 (InExEn)，维尔茨堡，德国17 8 德国迪波尔迪斯瓦尔德胃肠内科医学办公室 18 † Maxime Le Floch、Fabian Wolf 和 Lucian McIntyre 对本文贡献相同 19 † Nora Herzog 和 Franz Brinkmann 对本文贡献相同 20 * 通讯作者：Maxime LeFloch (Maxime.LeFloch@ukdd.de) 21
CAD-CAP：一个包含 25,000 张图像的数据库，用于开发胶囊内窥镜人工智能
机构 1 索邦大学，内镜科 2 德雷塞尔大学，艺术与科学学院，美国宾夕法尼亚州费城 3 亚眠大学医院，皮卡第儒勒凡尔纳大学，法国亚眠 4 乔治蓬皮杜欧洲医院，APHP，胃肠病学和内镜科，法国巴黎 5 内镜和胃肠病学科，Pavillon L，爱德华赫里奥特医院，法国里昂 6 消化内镜科，大学医院，法国布雷斯特 7 肝胃病学科，法国南特消化病研究所 8 泰农医院，胃肠病学科，法国巴黎 9 斯特拉斯堡天主教大学，胃肠病学科，法国斯特拉斯堡 10 洛姆医院，胃肠病学科，法国洛姆 11 科钦医院胃肠科，法国巴黎 12 CHRU Lille，胃肠科，法国里尔 13 CHU Rouen，胃肠科，法国鲁昂 14 CHU Henri Mondor，胃肠科，法国克雷泰伊 15 ETIS、塞尔吉-蓬图瓦兹大学、ENSEA、法国国家科学研究中心、塞尔吉-蓬图瓦兹 Cedex，法国 16 CHU 尼斯，胃肠病学和内窥镜检查科，法国尼斯
边缘人工智能无线视频胶囊内窥镜
胃肠道 (GI) 疾病是全球发病率和死亡率较高的原因，包括结肠直肠癌，结肠直肠癌在 50 岁以下成年人中的发病率不断上升。虽然可以通过定期筛查来缓解这一问题，但由于准确性和患者接受度不足，只有一小部分高风险人群接受了全面筛查。为了应对这些挑战，我们设计了一种人工智能 (AI) 无线视频内窥镜胶囊，其性能超越了现有解决方案，包括：(1) 使用板载深度神经网络 (DNN) 进行实时图像处理，(2) 通过部署白光和窄带成像增强粘膜层可视化，(3) 使用无线编程进行移动任务修改和 DNN 更新，以及 (4) 与患者的个人电子设备进行双向通信以报告重要发现。我们在体内环境中测试了我们的解决方案，将我们的内窥镜胶囊施用于全身麻醉的猪。所有在单一平台上成功实现的新功能都经过了验证。我们的研究为新一代胶囊内窥镜的临床应用奠定了基础，将显著提高上、下消化道疾病的早期诊断。
人工智能、胶囊内窥镜、数据库和达摩克利斯之剑
我们饶有兴趣地阅读了 Hassan 等人 [1] 撰写的社论，题为“人工智能在内窥镜检查中的无处不在，不只用于检测和表征”，该社论受到 Hansen 等人最近的论文“新型人工智能 (AI) 驱动的软件显著缩短了计算机视觉项目中注释所需的时间” [2] 的启发。正如 Hassan 等人指出的那样，与经典的机器学习方法 (MLM) 不同，这个新兴领域（即深度学习 [DL]）的主要优势在于它能够自动提取图像特征，以便计算机可以使用它们来表征其内容 [3]。从本质上讲，这意味着这种无监督方法的准确性主要取决于所提供的训练数据的适当性和质量。特别是在胶囊内窥镜 (CE) 领域，图像数据随处可见，但谁来仔细研究图像、描绘/注释和评论感兴趣的区域，并确保使用高质量的材料进行 DL 训练，这还有待确定。考虑到这一点，我们投入了大量的人力（包括个人）[1]，着手创建一系列相应的 CE 数据库，即 KID、CAD-CAP 和 Kvasir Capsule [4 – 6]，以造福计算机科学家，而这却花费了我们自己和同事的努力。尽管它们通过来自不同制造商的 CE 图像得到丰富和扩大，但不同的数据库包含以各种方式准备的多种类别的胃肠道正常和异常发现。因此，数据库的清洁程度各不相同，它们为 AI 软件开发人员提供了独特的机会和各自的参考点。这种方法为结构化交付一系列急需的解决方案奠定了基础，这些解决方案可以准确检测和表征异常 CE 发现。这些包括可靠地生成解剖学缩略图
人工智能和胶囊内窥镜检查
人工智能 (AI) 在胃肠病学中的应用是一个热门话题，因为它具有颠覆性。胶囊内窥镜在消化病理学的几个领域发挥着重要作用，即在不明原因出血性病变的研究和炎症性肠病的治疗中。因此，人们对在胶囊内窥镜中使用 AI 的兴趣日益浓厚。多项研究表明，在胶囊内窥镜的各个领域使用卷积神经网络具有巨大的潜力。人工智能在胶囊内窥镜中的实用性呈指数级发展，需要考虑其对临床实践的中长期影响。事实上，深度学习在胶囊内窥镜领域的出现，以其进化的特性，可能会导致这种环境下临床活动的范式转变。在这篇评论中，我们旨在阐明人工智能在胶囊内窥镜领域的最新进展。
人工智能与胶囊内窥镜检查
人工智能 (AI) 因其颠覆性而在胃肠病学中的应用是一个热门话题。胶囊内窥镜在消化道病理学的几个领域发挥着重要作用，即在不明原因出血性病变的研究和炎症性肠病的治疗中。因此，人们对人工智能在胶囊内窥镜中的应用越来越感兴趣。多项研究表明，卷积神经网络在胶囊内窥镜各个领域具有巨大的潜力。人工智能在胶囊内窥镜中的实用性呈指数级发展，需要考虑其对临床实践的中长期影响。事实上，深度学习在胶囊内窥镜领域的出现及其进化特性可能会导致该领域临床活动的范式转变。在这篇综述中，我们旨在说明人工智能在胶囊内窥镜领域的最新发展。
研究文章 确定胶囊内窥镜图像临床意义的人工智能可以提高阅读效率
1 韩国首尔顺天乡大学医学院消化系统研究所消化系统疾病中心内科，2 韩国清州忠北国立大学电子工程系，3 韩国高阳东国大学医学院一山医院内科消化内科分部，4 韩国清州忠北国立大学医学院内科，5 韩国济州岛济州国立大学医学院内科，6 韩国首尔首尔市首尔国立大学波拉梅医疗中心内科，7 韩国大田忠南国立大学医学院内科消化内科和肝病内科，8 韩国大邱庆北国立大学医院内科消化内科和肝病内科
胶囊内窥镜的未来：人工智能和其他技术进步的作用
胶囊内镜检查因其便利性和无创性而彻底改变了小肠疾病的治疗。胶囊内镜检查是评估不明原因胃肠道出血、克罗恩病、小肠肿瘤和息肉综合征的常用方法。然而，繁琐的读取过程、对小肠病变的忽视以及缺乏运动是扩大其应用的主要障碍。随着人工智能的最新进展，一些研究报告了卷积神经网络系统在诊断各种小肠病变（包括糜烂/溃疡、血管扩张、息肉和出血性病变）方面的良好性能，这减少了胶囊内镜检查解释所需的时间。此外，结肠胶囊内窥镜和磁力驱动的胶囊内窥镜运动已被用于临床应用，并且已经推出了用于主动运动、活检或治疗方法的各种胶囊内窥镜原型。在本综述中，我们将讨论胶囊内窥镜领域人工智能的最新进展，以及对胶囊内窥镜其他技术改进的研究。Clin Endosc 2020;53:387-394
图像数据库、人工智能和胶囊内窥镜；赌注就在眼前
胶囊内镜已成为小肠检查的主要内镜方式，这一点已得到时间的认可。因此，胶囊内镜 (CE) 已成为千禧一代的又一项技术，他们现在以力量、意志和决心展望未来，走上更具颠覆性的道路 [1]。尽管如此，即使对于勇敢的年轻人来说，成熟也伴随着一定的“义务”和社会要求。当然，当医疗技术成为关注的主题时，这或多或少会转化为诊断产量、并发症率和质量/性能保证措施 [2 – 4]。此外，就该领域的未决问题而言，仍然存在一些问题。我们也许毫不犹豫地一口气数出 CE 的适应症，甚至提供类似的并发症率和安全“胶囊化”的途径，但对于我们这些在高容量中心阅读 CE 视频的人来说，我们希望制造商现在已经对一些技术调整进行了分类。它们的范围从更好的图像分辨率和电池寿命到各种软件增强和/或硬件进步 [5, 6]。事实上，我们一直在重复呼吁 CE 革命的下一波浪潮，即包括治疗能力、集成/智能、数据（不仅仅是图像）收集、驱动和定位的浪潮，总结了任何当前可用的 CE 提供系统必须面对的主要挑战，以提高其市场提案和价值超过竞争对手。人工智能 (AI) 的热潮并不新鲜；事实上，CE 阅读软件的本质是早期人工智能的应用之一。Lewis Score [7]、QuickView [8]、疑似血液指标 [9] 等工具只不过是专有阅读软件早期版本中集成的人工智能的巧妙片段，主要目的是协助、支持和/或加快医疗决策过程 [10]。