刚在nature子刊上看到一篇文章，目前的人工智能在内镜领域到底到什么程度了，深有同感，进行内窥镜检查是许多中空器官的金标准，它主要用于疾病监测、炎症监测、早期癌症检测、肿瘤表征和切除程序、微创治疗干预和治疗反应监测；内窥镜检查高度依赖于操作员，所以对某些疾病的病例判断依靠经验和主观积累，导致临床结果的偏差，如果要提高临床判断的可靠和准确性，就需要借助人工智能 (AI) 内窥镜图像分析，如果能结合3D重建，那么更能节省内镜检查的效率。而人工智能虽然能结合大量临床影像数据进行深度学习，然后进行相互验证，但数据异质性、多模态以及罕见或不显眼的疾病病例就会变的很难判断，人口多样性和不同设备制造商导致的数据异质性；使得AI内镜的难度增大不少；内窥镜成像及其分析是一个高度专业化且具有挑战性的课题。内窥镜成像具有多因素依赖性，包括对医生操作的大量依赖（例如，经验和培训）、范围相关问题（例如，图像质量可变性）和强调场景动态（例如，具有严重伪影的帧，或者图像不清晰、或者器官运动和表面漂移，虽然中空器官的 3D 重建至关重要，但由于多种原因难以实现，包括高度非线性的器官变形、场景混乱（例如，体液流动、血液）和闭塞（例如，肝脏手术周围的脂肪）。因此，大多数研究都集中在使用分类、检测和分割方法进行局部场景评估...