Expanding Training Data for Endoscopic Phenotyping of Eosinophilic Esophagitis

要約

好酸球性食道炎（EOE）は、好酸球が支配する炎症が特徴の慢性食道障害です。
EOEの診断には、通常、食道粘膜の内視鏡検査と組織学的確認のために食道生検を取得することが含まれます。
最近の進歩により、EREFSシステムに導かれたAIアシスト内視鏡イメージングは​​、侵襲的組織学的評価への依存を減らすための潜在的な代替手段として浮上しています。
これらの進歩にもかかわらず、AIモデルをトレーニングするためのデータの入手可能性が限られているため、重要な課題が続いています。これは、より一般的な疾患のためのAIの開発においても一般的な問題です。
この研究では、オンラインプラットフォーム、パブリックデータセット、電子教科書からの多様な画像セットでトレーニングデータを増強することにより、ディープラーニングベースのEOE表現型分類のパフォーマンスを改善しようとしています。
画像分類のためにデータ効率の高い画像変圧器を利用し、注意マップの視覚化を組み込み、解釈可能性を高めました。
調査結果は、拡張されたデータセットとモデルの強化により、診断精度、堅牢性、包括的な分析が改善され、患者の転帰が向上することを示しています。

要約(オリジナル)

Eosinophilic esophagitis (EoE) is a chronic esophageal disorder marked by eosinophil-dominated inflammation. Diagnosing EoE usually involves endoscopic inspection of the esophageal mucosa and obtaining esophageal biopsies for histologic confirmation. Recent advances have seen AI-assisted endoscopic imaging, guided by the EREFS system, emerge as a potential alternative to reduce reliance on invasive histological assessments. Despite these advancements, significant challenges persist due to the limited availability of data for training AI models – a common issue even in the development of AI for more prevalent diseases. This study seeks to improve the performance of deep learning-based EoE phenotype classification by augmenting our training data with a diverse set of images from online platforms, public datasets, and electronic textbooks increasing our dataset from 435 to 7050 images. We utilized the Data-efficient Image Transformer for image classification and incorporated attention map visualizations to boost interpretability. The findings show that our expanded dataset and model enhancements improved diagnostic accuracy, robustness, and comprehensive analysis, enhancing patient outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google