深度学习在内窥镜图像方面的研究：

学习目标：

了解深度学习在内窥镜图像上的研究。

---

学习内容：

深度学习在内窥镜图像研究：

比赛推荐，
https://endovis.grand-challenge.org/
https://github.com/JunMa11/MICCAI-OpenSourcePapers

---

工业界：
将深度学习用于处理内窥镜图像的公司：
https://www.magentiq.com/copy-of-products
内窥镜实时AI图像诊断的： https://www.ai-ms.com/en/

---

学术界：

1- 2021- Deep neural network approaches for detecting gastric polyps in endoscopic images. - Durak - Yildiz Technical University , Turkey

Ideal: 建立一种基于深度学习的胃息肉检测，主要工作是对比了YOLOV4, CenterNet， EfficientNet， Cross Stage ResNetx50- spp, YOLOV3, SSD, FRCNN, 在2195 张内窥镜图像上的检测效果， 表明YOLOV4网络在息肉检测方面有显著的潜在适用性，有效用于胃肠道CAD系统。

2- 2021- Automatic detection of colorectal neoplasia in wireless colon capsule endoscopic images using deep CNN. - Atsuo Yamada - The University of Tokyo

出发点： 使用深度学习网络检测结直肠肿瘤， 结直肠肿瘤的图像通过结肠胶囊内镜获得。

3.- 2021- Accuracy of artificial intelligence-assisted detection of esophageal cancer and neoplasms on endoscopic images: A systematic review and meta-anasis - 首都医科大学

对以往AI 在内窥镜图像上检测食道癌的检测工作进行分析， 采用二元混合效应回归方法评估AI的效果，使用Meta 回归分析方法探讨异质性来源。

结论： AI提高早期食道癌检测准确率。

4.- 2021-simultaneous Recognition of Atrophic gastritis and intestinal metaplasia on white light Endoscopic images based on CNN: a multicenter study.-Lin Ne - 首都医科大学，北京

出发点： 研究了CNN 在识别萎缩性胃炎AG, 胃肠上皮化生GIM上的准确性。

5-2020-基于改进U-net网络的内窥镜图像烟雾净化算法-林金朝-重庆邮电大学
出发点：
1.为了保留更多图像细节，在U-NET编码器部分加入经过-Laplace变换的图像。
2. 提升网络效果，在U-NET 网络解码器部分加入CBAM 注意力机制模块。
3.通过合成的烟雾图像，送入改进的U-NET网络训练，得到净化图像。

6 - 2018 - Application of AI using CNN for diagnosis of early gastric cancer based on magnifying endoscopy with narrow-band imaging. - Juntendo University School of Medicine, AI Medical Service Inc.

Ideal: 使用SSD，目标检测网络进行内窥镜图像胃癌的检测；
工业落地： 基于SSD的 CNN 胃癌检测系统，在较短时间内诊断大量内窥镜图像的胃癌检测，减轻内窥镜师的工作量， 已经被上述 AI Medical Service 公司科技成果转化；

深度学习在内窥镜图像上的研究，目前该领域的研究国内外普遍多于AI+心肺音信号，相关落地的工业产品较多，国内公司较多且发展快，竞争较为明显。

---