作者与研究机构

本文的主要作者包括 Marı́a Jaramillo、Diego Bravo、Jose M. Quijano、Martín Gómez、Fabio A. González 和 Eduardo Romero。作者分别隶属于以下研究机构：Computer Imaging and Medical Applications Laboratory（cim@lab）、Machine Learning, Perception and Discovery Lab（mindlab）以及 Gastroenterology Unit, Hospital Universitario Nacional，均位于哥伦比亚波哥大市。这篇研究成果发表在即将召开的IEEE国际生物医学影像专题研讨会（2024 IEEE International Symposium on Biomedical Imaging）中。

研究背景

近年来，胃癌作为威胁全球健康的重大疾病之一，其发病率高、致死率也非常显著，胃癌诱发阶段的识别成为研究热点。胃癌的风险与某些前驱病变（如肠化生，Intestinal Metaplasia, 简称IM）的出现密切相关，目前主要通过病理图像的人工分析来评估肠化生情况。然而，这种人工分析方法受限于检查时间、技术设备以及操作人员的经验水平，易存在观察者之间的诊断差异性。此背景下，一些图像增强技术（如放大内镜、窄带成像等）虽能提高病变特征识别的准确性，但耗费较高且需要高端设备和专业技能。研究中指出，白光内镜（White Light Endoscopy, WLE）作为一种经济高效的选项，存在诊断变异率高的问题。为此，迫切需要一种基于计算机辅助的自动化方法，高效捕捉白光图像中可能存在的亚视觉特征（sub-visual patterns），从而提高肠化生诊断的可靠性和效率。
作者的研究目标为开发一种新的自动化方法，对白光内镜图像中的肠化生进行特征提取和分类预测，为传统内镜提供技术补充，并验证其诊断准确性。

研究工作流程

数据集准备

本研究使用了一个私有数据集，包含来自哥伦比亚 Hospital Universitario Nacional 的 57 例病例，收集过程得到了 Universidad Nacional de Colombia 医学院伦理委员会的批准（批准编号为：CEI-2019-06-10）。这些病例根据OGIM（Operative Link on Gastritis Assessment based on Intestinal Metaplasia）评分系统分为两组：34 例为健康对照（OGIM 0），23 例为病理诊断为OGIM 1至3的肠化生患者。

图像预处理与图像特征提取

每个病例的视频记录中，作者选择了内镜取样前30帧作为研究对象。根据文献，肠化生病变通常起始于胃体-胃窦连接区域（即切迹，incisura）。因此，切迹区域被自动识别并提取特定关注区域（Region of Interest, ROI）。为捕捉此区域内的本地纹理变化，每个病例从切迹处随机提取平均约1,922块大小为64×64像素的图像补丁，总计109,578块补丁，从而形成平衡样本。

使用深度学习模型进行特征提取

作者设计和对比了两种深度学习模型架构来提取低级特征：ConvNeXt Tiny 和 Masked Autoencoder（掩码自动编码器，MAE）。

1. ConvNeXt Tiny 模型
   ConvNeXt Tiny 是一种卷积神经网络结构，其结合了经典卷积网络与Transformer的设计特点。训练流程分为预热阶段（仅训练全连接层，快速捕捉区域特征模式）及微调阶段（解冻预训练层以适配具体问题）。该架构通过反复优化学习率、批次大小等超参数最终实现分类。

2. Masked Autoencoder（MAE）模型
   MAE 通过将输入图像划分为小补丁后随机掩码一部分，利用编码器（基于视觉Transformer架构）提取特征并重建掩码区域内容，从而实现无监督学习。MAE 训练分为两个阶段：第一阶段为自监督学习，最小化图像重建损失以获得潜在特征表示；第二阶段是对编码器接线至分类模块，以实现二分类任务。

模型的分类任务与评估

每个补丁图像被分为两类：肠化生（metaplasia）与非肠化生（non-metaplasia）。通过对病例成千上万的补丁分类预测计算平均概率，进而以5%为门槛决定每例病例的最终标签（肠化生或非肠化生）。此外，模型训练集、验证集和测试集分别占总数据集的60%、10%和30%。

数据分析

模型性能评价通过多种指标，包括准确率（accuracy）、F1-score、加权精度（weighted precision）和 Matthews 相关系数（MCC）等，用于衡量输出结果与实际标签的契合度。

研究结果

两种网络架构均能识别白光图像中的肠化生的潜在模式，但在不同层面表现各异：
- 在补丁层面，MAE 的重建能力较强，分类支持指标（如加权精度75.2%）表现更好；
- 在病例层面，ConvNeXt Tiny 准确率（76.5%）与综合F1分数（73.7%）更高，整体误分类显著减少，表明在病例级别优化作用显著。

研究还以混淆矩阵论证了随机选取多补丁综合决策的优越性，进一步验证了白光图像中亚视觉特征的可行性。此外，作者通过增量试验发现，扩展数据集和热图生成等未来补充方向将进一步强化分类性能。

结论与意义

本文提出了一种基于白光内镜的自动化肠化生诊断方法，揭示了亚视觉模式在传统内镜视频中的潜在利用价值。通过深度学习模型（ConvNeXt Tiny 和 MAE），研究实现了部分肠化生病例的高效分类，平均F1分数达73.7%。相比昂贵依赖设备的图像增强方案，本文方法提供了一种更经济的选项，并为肠化生及胃癌的早期筛查提供了新的研究方向。

研究亮点

1. 创建了一种经济高效的基于 WLE 图像的亚视觉模式检测方法；
   
2. 使用创新型深度学习架构（如 MAE）；
   
3. 数据分析流程具有高通用性；
   
4. 可为恶性病变早期诊断生成基础的技术支持。

展望

本文实现的分类准确性存在进一步提升空间，可通过增加病例数量、生成分类热图、与其他影像增强方案结合应用等手段优化分类算法。作者期望在未来扩展数据规模以支持更复杂的临床应用场景，这将大大提高其对公共健康的贡献价值。