Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 2 von 16
Zurück zur Trefferliste

Vessel and tissue recognition during third-space endoscopy using a deep learning algorithm

  • In this study, we aimed to develop an artificial intelligence clinical decision support solution to mitigate operator-dependent limitations during complex endoscopic procedures such as endoscopic submucosal dissection and peroral endoscopic myotomy, for example, bleeding and perforation. A DeepLabv3-based model was trained to delineate vessels, tissue structures and instruments on endoscopic still images from such procedures. The mean cross-validated Intersection over Union and Dice Score were 63% and 76%, respectively. Applied to standardised video clips from third-space endoscopic procedures, the algorithm showed a mean vessel detection rate of 85% with a false-positive rate of 0.75/min. These performance statistics suggest a potential clinical benefit for procedure safety, time and also training.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Verfasserangaben:Alanna EbigboORCiD, Robert MendelORCiD, Markus W. ScheppachORCiD, Andreas Probst, Neal ShahidiORCiD, Friederike Prinz, Carola Fleischmann, Christoph RömmeleORCiD, Stefan Karl Gölder, Georg Braun, David Rauber, Tobias RückertORCiD, Luis Antonio De Souza Jr.ORCiD, João Paulo PapaORCiD, Michael F. Byrne, Christoph PalmORCiDGND, Helmut Messmann
URN:urn:nbn:de:bvb:898-opus4-54293
DOI:https://doi.org/10.1136/gutjnl-2021-326470
Titel des übergeordneten Werkes (Englisch):Gut
Verlag:BMJ
Verlagsort:London
Dokumentart:Artikel aus einer Zeitschrift/Zeitung
Sprache der Veröffentlichung:Englisch
Jahr der Veröffentlichung:2022
Veröffentlichende Institution:Ostbayerische Technische Hochschule Regensburg
Datum der Freischaltung:16.09.2022
Freies Schlagwort / Tag:Artificial Intelligence; Endoscopy; Medical Image Computing
Jahrgang:71
Ausgabe / Heft:12
Erste Seite:2388
Letzte Seite:2390
Fakultäten / Institute / Einrichtungen:Fakultät Informatik und Mathematik
Fakultät Informatik und Mathematik / Regensburg Medical Image Computing (ReMIC)
Begutachtungsstatus:peer-reviewed
Forschungsschwerpunkt:Lebenswissenschaften und Ethik
OpenAccess Publikationsweg:Hybrid Open Access - OA-Veröffentlichung in einer Subskriptionszeitschrift/-medium
Lizenz (Deutsch):Creative Commons - CC BY-NC - Namensnennung - Nicht kommerziell 4.0 International