基于改进RT-DETR的胃肠息肉检测方法

为何发现微小生长体至关重要

结直肠癌常起源于肠道黏膜上的小生长物——息肉。医生通过结肠镜和其他内镜检查来发现并切除这些息肉，以防其变为危险病灶。然而即便是经验丰富的内镜医师也可能错过形状不规则或不易察觉的病变，尤其在嘈杂、运动快速的视频中。本研究提出了一种人工智能（AI）系统，旨在作为超快速的“第二双眼”，实时发现更多息肉且不影响检查速度。

看不见的难点

息肉有各种大小和形态，从微小的扁平斑点到明显的隆起，都可能藏在皱褶、阴影、液体和反光之中。市面上已有商用AI辅助系统，但在不同相机采集或息肉对比度极低时，性能有时会下降。许多研究系统面临权衡：准确时往往较慢；若足够快以适应实时视频，又可能遗漏难以察觉的病变。作者着力打破这一权衡，希望医生既能获得实时性又能拥有更敏锐的识别能力。

更智能的内镜视频解读方式

团队基于一种现代检测框架RT-DETR-r18，将息肉检测视为把图片“翻译”为对象列表的过程，提出了三项针对内镜图像特点的关键改进。第一项是保细节模块，旨在保留那些在图像缩放分析时容易被模糊掉的扁平或远端息肉的细微表面纹理。第二项引入了一种高效注意力机制：不再对每一像素对进行昂贵计算，而以更精简的方式聚焦最具信息量的区域，帮助系统忽略气泡、粪渣或反光等干扰。第三项融合多尺度信息，使系统既能处理近距离的高细节视角，也能识别远处呈“视觉小点”的微小病灶。

系统测试

为评估方法效果，研究者在来自两种不同来源的1,611张标注图像上训练并验证模型：常规结肠镜图像与无线胶囊内镜图像。此组合迫使AI依赖病变的真实特征，而非某一设备的特性。他们将专家分割掩码转换为紧致的边界框，为模型提供精确的定位样本。性能使用常见指标评判，如精确率（减少误报）、召回率（减少漏检）、平均精度，以及每秒处理图像数。五次独立运行结果显示，改进后的系统将精确率从90.7%提升到94.8%，召回率从84.0%提升到89.9%，同时整体检测质量得到提高。关键是它仍能以约188帧/秒分析视频——远超临床内镜常见的30–60帧/秒——因此可跟上真实操作的速度。

比较结果与局限

与YOLO系列的流行目标检测器及更强的RT-DETR变体相比，新方法在准确性、息肉轮廓紧致度和计算成本之间取得了最佳平衡。它产生了更干净的检测结果，过大的框和漏检更少，尤其在复杂场景中表现突出。但该系统并非完美：在极暗区域或病变被皱襞部分遮挡时有时会失效；当反光或气泡呈现类似圆形隆起外观时，系统也可能将其误判为真实息肉。作者建议未来可加入相邻视频帧的信息，以帮助滤除此类瞬时伪影并进一步稳定提醒。

对患者和医生的意义

从通俗角度看，本研究表明AI已能比人类更快地扫描内镜图像，同时在当前实时检测器中出现更少错误。通过更好地保留微小细节、聚焦有意义区域并处理多种视觉尺度，所提出的系统能在不拖慢检查的情况下发现更多潜在问题点。尽管这些结果来自精心整理的图像数据集而非实时结肠镜检查，但它们指向了可以降低重要息肉被遗漏风险的AI工具。下一步将是大规模临床试验，以确定这些技术改进能否转化为更少的漏诊和更有把握、更高效的筛查流程。

引用: Du, J., He, Z., Zhang, S. et al. Gastrointestinal polyp detection method based on the improved RT-DETR. Sci Rep 16, 7020 (2026). https://doi.org/10.1038/s41598-026-38617-1

关键词: 结肠镜检查, 息肉检测, 医疗人工智能, 内镜成像, 实时筛查