Google所開發的深度學習C2D2方法,可以透過捕捉影像深度,對大腸進行3D重建,顯示已被檢測與未被檢測的部位,藉此提升大腸檢查覆蓋率。而實驗證明,機器學習能有效解決大腸鏡篩檢覆蓋率(Coverage)不足的問題,而所謂的檢測覆蓋率,就是在檢測過程中,涵蓋了大腸相關區域的百分比,Google提到,比回顧性分析更有效果的方法,是直接在醫生進行大腸鏡檢查時,能即時地提醒醫生覆蓋範圍不足的部分,醫生能夠立即針對這些區塊,再次進行檢測,透過提高檢測覆蓋率,就有可能發現更多的息肉。
C2D2演算法分為兩部分,第1部分計算每一影格的深度圖,計算深度圖包括了深度估算以及姿勢估算,也就是內視鏡在空間中的位置和指向,而第2部分則是利用深度圖計算覆蓋率。為了從深度圖計算出覆蓋範圍,Google使用合成以及真實兩種影片資料訓練C2D2,合成影片使用大腸的圖像模型創建,而真實影片資料則使用去識別化的大腸鏡檢查影片。
詳細內文請參考網址