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