<i>In‐vivo</i> multispectral video endoscopy towards <i>in‐vivo</i> hyperspectral video endoscopy
Notice bibliographique
Résumé
For in-vivo diagnostics of cancer and pre-cancer in the stomach, there is no endoscopic procedure offering both high sensitivity and high specificity. Our data suggest that multispectral or hyperspectral imaging may be helpful to solve this problem. It is successfully applied to the detection and analysis of easily reachable carcinomas, ex-vivo samples of hollow organ mucosal carcinomas and also histological samples. An endoscopy system which allows flexible multispectral videoendoscopy for in-vivo diagnostics has so far been unavailable. To overcome this problem, we modified a standard Olympus endoscopy system to conduct in-vivo multispectral imaging of the upper GI tract. The pilot study is performed on 14 patients with adeno carcinomas in the stomach. For analysis, Support Vector Machine with linear and Gaussian Kernel, AdaBoost, RobustBoost and Random-Forest-walk are used and compared for the data classification with a leave-one-out strategy. The margin of the carcinoma for the training of the classifier is drawn by expert-labeling. The cancer findings are cross-checked by biopsies. We expect that the present study will help to improve the further development of hyperspectral endoscopy and to overcome some of the problems to be faced in this process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».