AVPDN: обучение устойчивым к движениям и адаптирующимся по масштабу представлениям для обнаружения полипов в динамических кадрах колоноскопии

Почему важно обнаруживать крошечные образования

Большинство колоректальных раков начинается как небольшие образования — полипы — на слизистой кишечника. Во время колоноскопии врачи пытаются обнаружить и удалить эти полипы до того, как они станут опасными. Современные видеоскопы записывают всё, но камера движется быстро, изображение часто бывает размытым или бликующим, а полипы могут быть очень мелкими и трудно различимыми. В этой статье представлен новый компьютерный метод, который учится «видеть» сквозь визуальный хаос реальных видеозаписей колоноскопии и помогает врачам точнее и в реальном времени находить больше полипов.

Проблема движущейся камеры

Колоноскопия — это не как съёмка неподвижного кадра, это скорее съёмка трясущегося крупного плана внутри тела. По мере продвижения зонда камера дергается и вращается, стенка кишки сокращается, а перед объективом в движении оказываются жидкости и пузырьки воздуха. Эти движения создают смазывание, яркие белые отражения и резкие изменения видимого размера одной и той же структуры от кадра к кадру. Малые полипы могут почти не отличаться от окружающих складок слизистой и на мгновение скрываться за бликами или пузырьками. Большая часть существующих систем компьютерного зрения изначально разрабатывалась для натуральных фотографий или обычных видео, где камера более стабильна и объекты легче отделить от фона, поэтому они испытывают затруднения в таких экстремальных условиях.

Более умный способ анализа видео колоноскопии

Чтобы справиться с этими сложностями, авторы предлагают Adaptive Video Polyp Detection Network (AVPDN). В своей основе AVPDN воспринимает каждый видеокадр как изображение и пропускает его через стандартный извлекатель признаков, фиксирующий края, текстуры и цвета. Но вместо того чтобы на этом остановиться, сеть добавляет специализированный этап «улучшения», разработанный специально для колоноскопии. Этот этап состоит из повторяемых блоков, которые очищают шумные сигналы, усиливают истинно полипоподобные паттерны и отслеживают полипы разных размеров. Важно, что метод работает кадр за кадром, без необходимости анализировать долгое видео во временной перспективе, что сохраняет систему достаточно быстрой для работы в реальном времени.

Отсев шума при сохранении важных подсказок

Первый ключевой строительный блок называется Adaptive Feature Interaction and Augmentation (адаптивное взаимодействие и обогащение признаков). Проще говоря, он рассматривает признаки изображения двумя разными способами одновременно. Одна ветвь учитывает широкие связи по всему изображению, что помогает понять общую сцену и не упустить отдалённые намёки на полип. Другая ветвь более избирательна: она решительно понижает значимость частей изображения с слабыми или непоследовательными паттернами, такими как размытость и блики. Система затем учится, насколько доверять каждой ветви для каждого кадра, адаптивно их смешивая. Умный шаг «перемешивания каналов» (channel shuffle) объединяет информацию между разными группами признаков, поощряя сеть открывать более богатые сочетания текстуры и формы, которые отличают настоящие полипы от безвредных складок и пятен.

Видеть полипы в разных масштабах

Второй ключевой блок называется Scale-Aware Context Integration (интеграция контекста с учётом масштаба). Полипы могут быть очень маленькими, когда камера далеко, и существенно больше, когда зонд приближается, поэтому система должна работать в широком диапазоне масштабов. Этот модуль одновременно смотрит на сцену через несколько «виртуальных линз» — некоторые фокусируются на мелких деталях, другие охватывают более широкое окружение. Используя дилатированные фильтры, которые охватывают более дальние области без потери разрешения, модуль собирает и локальную информацию, и широкий контекст. Затем он комбинирует эти представления, чтобы сеть могла уверенно выделять крошечные полипы, спрятанные между складками, а также более крупные поражения, доминирующие в кадре, даже когда камера быстро движется.

Насколько хорошо работает система

Исследователи протестировали AVPDN на двух больших публичных коллекциях видеозаписей колоноскопии, содержащих десятки тысяч кадров от многих пациентов с полипами разной формы, размера и внешнего вида. Они сравнили свой метод с широко используемыми детекторами объектов и несколькими специализированными системами для полипов. По всем ключевым метрикам — как часто полипы правильно находят, как часто избегают ложных срабатываний и насколько система балансирует между этими двумя целями — AVPDN последовательно показывала лучшие результаты. Она улучшила основной показатель точности на несколько процентных пунктов по сравнению с сильными современными базовыми моделями, при этом оставаясь достаточно быстрой для работы в реальном времени на текущем графическом оборудовании. Тщательные внутренние тесты показали, что каждый из двух новых модулей заметно внес вклад в это преимущество.

Что это значит для пациентов

Проще говоря, эта работа демонстрирует, что систему ИИ можно обучить не обращать внимания на размытость, блики и быстрые изменения масштаба, которые усложняют анализ видео колоноскопии, и настраиваться на характерные признаки полипов. Очищая и перенастраивая визуальную информацию внутри сети, а не полагаясь на дополнительные датчики или более медленный анализ видео, AVPDN обнаруживает больше полипов с меньшим числом пропусков и ложных срабатываний. Если такую технологию внедрить в клинические инструменты, она может выступать в роли второго взгляда во время процедур, помогая врачам заметить тонкие образования раньше и надёжнее, а в конечном счёте снижая риск того, что опасный полип останется не замеченным.

Цитирование: Chen, Z., Lu, S. AVPDN: learning motion-robust and scale-adaptive representations for polyp detection in dynamic colonoscopy frames. Sci Rep 16, 11591 (2026). https://doi.org/10.1038/s41598-026-42286-5

Ключевые слова: колоноскопия, обнаружение полипов, ИИ в медицинской визуализации, анализ видео, скрининг колоректального рака