← 最新论文
💻 computer science

GIM-ENDO: A Multimodal Endoscopic Image and Video Dataset for Gastric Intestinal Metaplasia Morphology and Pathology

本文介绍了 GIM-ENDO,这是一个公开可用的多模态数据集,包含用于胃肠化生(一种癌前病变)的内镜图像、视频及经组织病理学验证的注释,旨在促进用于该病变早期检测与表征的 AI 模型开发。

原作者: Mojgan Forootan, Mahziar Setayeshfar, Ali Darvishi, Mohammad Tashakoripour, Hamidreza Bolhasani

发布于 2026-07-31
📖 1 分钟阅读☕ 轻松阅读

原作者: Mojgan Forootan, Mahziar Setayeshfar, Ali Darvishi, Mohammad Tashakoripour, Hamidreza Bolhasani

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,人体就像一座繁忙而巨大的城市,而胃则是处理食物的繁忙市场。有时,这个市场的墙壁会受到刺激并改变其纹理,从光滑、粉红色的路面变成粗糙且斑驳的样子。这种变化被称为“胃肠化生”(gastric intestinal metaplasia,简称 GIM)。你可以把它想象成城市的铺路开始出现裂缝并长出杂草;这并不是最终的灾难,但它是一个警告信号,表明地面变得不稳定,最终可能导致更严重的后果,比如建筑坍塌(癌症)。长期以来,医生必须通过内窥镜观察来猜测哪些“杂草”是危险的,但这仅仅凭肉眼观察是非常困难的。

于是,人工智能(AI)登场了——它是一位能够瞬间识别出这些危险“杂草”的超级聪明侦探。但问题在于,AI 的水平取决于它阅读的“训练手册”。直到现在,还没有一本真正优秀的开源手册,能够将清晰的胃部照片、区域视频巡览以及证明 AI 所见是否准确的实验室检测结果(活检)结合在一起。没有这份完美的“手册”,AI 侦探只能靠猜测。本文介绍了一个全新的免费训练手册——GIM-ENDO,旨在教计算机如何识别胃部这些早期的预警信号,从而帮助医生在危机发生前发现问题。


新型“胃部侦探”手册

这项研究背后的研究人员是一支来自伊朗的医生和数据科学家团队,他们意识到,虽然 AI 在识别胃部问题方面正在进步,但由于缺乏高质量的数据,它的发展受到了限制。他们创建了 GIM-ENDO,这是一个包含图像和视频的特殊集合,充当了训练计算机的“金标准”教科书。

把胃黏膜想象成一个复杂的景观。当它是健康时,看起来像是一片平坦、均匀的田野。当它出现 GIM 时,它会开始显示出特定的“地标”或迹象,比如奇怪的蓝色线条、云雾状的条带或白色斑块。GIM-ENDO 数据集是一个珍贵的宝库,包含了来自 24 名患者98 张静态照片39 段视频剪辑(每段约 50 秒长)。大多数患者患有“杂草丛生”的 GIM 情况,另有两名作为健康对照组。

这个数据集之所以特别,是因为它不仅展示了图片,还附带了一份详细的“答案解析”。对于每一张照片和视频,研究人员都精确标注了 AI 应该寻找的目标。他们识别出了胃部出现 G GIM 时出现的六个主要“线索”:

  • 浅蓝色脊线 (LBC): 一条看起来像隆起的微小蓝色线条。
  • 边缘浑浊带 (MTB): 细胞周围模糊、朦胧的边缘。
  • 白色不透明物质 (WOS): 一个白色的、闪亮的斑块。
  • TV 图案: 一种特定的纹理,看起来有点像电视屏幕的静电或图案融合。
  • 萎缩 (Atrophy): 胃黏膜变薄的地方。
  • 地图样红斑 (MLE): 看起来像地图一样的红色斑块。

团队还记录了患者是否感染了幽门螺杆菌(H. pylori,一种常见的胃部细菌),并且至关重要的是,他们将每张图像都与真实的实验室检测结果进行了匹配。这意味着他们确切知道这些“杂草”是“完全型”(危险程度较低)还是“不完全型”(危险程度较高),甚至记录了使用 OLGA 和 OLGIM 系统评估的疾病阶段。

他们是如何构建它的

团队使用了一套高科技摄像系统(Olympus EVIS X1)来拍摄这些照片。他们不仅仅是随手拍张照,还使用了特殊的照明模式(如窄带成像技术/Narrow-Band Imaging),使胃黏膜的微小细节更加凸显,就像在黑暗的洞穴中打开手电筒来观察墙上的裂缝一样。

他们仔细选择了进行胃镜检查的患者。如果患者有可疑斑点,医生会取一小块样本(活检)并送往病理科。病理学家会在显微镜下观察样本以确认诊断。只有在实验室确认了“真相”之后,团队才会对相应的图像和视频进行标注。这一过程确保了 AI 不仅仅是在猜测,而是在向经过专家双重检查的事实学习。

这对未来意味着什么

作者谨慎地指出,这个数据集只是一个起点,而非最终的解决方案。由于仅包含 24 名患者,它只是一个小型图书馆,非常适合作为“初步研究”或供研究人员测试想法,但不足以训练出一个可以在每家医院投入使用的超高级 AI。他们承认,由于样本量较小,AI 在投入实际应用之前,可能需要在不同类型的人群和胃部环境中进行更多练习。

然而,其潜力令人兴奋。通过为研究人员提供一种清晰、结构化的方式来教授计算机识别这些胃部征兆,GIM-ENDO 可以帮助构建 AI 工具,使其充当医生的“第二双眼睛”。想象一下在未来的常规检查中,AI 系统能瞬间在屏幕上高亮显示危险的“杂草”,并告诉医生应该在哪里进行活检。这有助于更早地发现胃部问题,从而实现更简单的治疗,并通过在癌症发生前将其拦截来挽救生命。

该数据集现在可以免费下载并用于非商业性研究,希望更多的科学家能加入进来,让这位“侦探”变得更加聪明。正如团队所言,这只是一个可能改变我们对抗胃癌方式的故事的第一章。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →