跳到正文
Nature Communications· Jia Yu; Yan Zhu; Peiyao Fu; Tianyi Chen; Zhihua Wang; Fei Wu; Quanlin Li; Pinghong Zhou; Shuo Wang; Xian Yang·· 来源仅提供日期AI 评分51

EndoRare 以单张参考图合成稀有胃肠道病变,无需重训练即可提升分类器与新手识别表现

One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training

AI 导读

研究团队提出 EndoRare,一个单样本、无需重训练的生成框架,可从单张参考图合成多样的稀有胃肠道病变示例。该框架用语言引导的概念解耦分离病变特征与非诊断属性,在四种罕见病变上验证;专家认为合成图像临床可信,数据增强显著提升下游 AI 分类器在低假阳性率下的真阳性率。

已发表论文 · journal · 10.1038/s41467-026-78492-y

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

IF(5) 18.9 · 2025 · 期刊参考指标

摘要 · AI 翻译

罕见胃肠道病变在常规内镜检查中很少遇到,这限制了用于开发可靠人工智能(AI)模型和培训新手临床医生的数据。在此,我们提出 EndoRare,这是一个一次学习、无需重训练的生成框架,可从单张参考图像合成多样的病变样本。通过语言引导的概念解耦,EndoRare 将具有诊断意义的病变特征与非诊断性属性分离开来,将前者编码为可学习的原型嵌入,同时改变后者以确保多样性。我们在四种罕见病理上验证了 EndoRare:钙化纤维瘤、幼年性息肉病综合征、家族性腺瘤性息肉病和 Peutz-Jeghers 综合征。专家认为合成图像在临床上是合理的,数据增强显著改善了下游 AI 分类器的性能,在低假阳性率下提高了真阳性率。在一项探索性阅片研究中,接触 EndoRare 生成的病例与新手内镜医生图像级识别能力的提升相关。这些发现支持 EndoRare 作为罕见病变教育的数据高效工具的潜在用途,并为前瞻性对照验证提供了动力。

来源:Nature Communications · doi.org