内镜智诊～基于Metaformer算法的克罗恩病与肠结核内镜下鉴别。
1.1克罗恩病与肠结核 克罗恩病（Crohn’s disease, CD)是炎症性肠病（inflammatory bowel disease, IBD）的一种分型，是一种肠道慢性炎症性疾病，其主要临床表现为腹痛、腹泻、便血等消化道症状。肠结核（intestinal tuberculosis，ITB）是一种由结核分枝杆菌侵犯肠管所引起的慢性特异性感染性疾病。根据病理检查及内镜表现主要分为溃疡型肠结核，增生型肠结核和混合型肠结核，其主要临床表现为腹痛，消瘦，发烧，盗汗等症状。目前临床对于CD与ITB的诊断主要通过临床表现、放射学、内窥镜、组织学检查、微生物学诊断和免疫学诊断几个方面进行。其中内窥镜诊断是其目前诊断方式中最可靠的诊断方式，但是由于鉴别两种疾病非常困难，即便是有经验的临床医生也难以完全鉴别CD与ITB。并且由于CD的治疗方法如免疫抑制剂，生物制剂等会导致ITB更加严重，临床医生在确诊CD前，多进行为期半年左右的抗结核治疗，这导致了医疗资源的浪费，并且难以达到治疗目的，严重影响患者预后。 1.2人工智能与CD，ITB的鉴别诊断 近年来，人工智能在各种医学成像应用中的应用已经显著扩展，基于人工智能的EUS诊断系统被认为具有不错的效果。人工智能辅助EUS诊断的准确度和灵敏性明显高于内窥镜医生。尽管目前国内外有不少机器学习算法应用于消化道内镜诊断，但大多具有一定局限性，且很难应用于CD与ITB的鉴别诊断，故急需探索新的辅助检查方法和技术，以帮助内镜医生诊断CD与ITB，实现CD与ITB的精准诊断。颜成水教授团队提出了自监督视觉学习MetaFormer算法框架。该框架能够综合图片以及文字信息，在测试中具有良好准确率。 我们尝试使用不同令牌混合器构建一种基于MetaFormer算法的综合图片与文字信息的自监督学习算法，利用少量有标签样本、大量无标签样本训练，以期在保证机器诊断的准确性情况下，帮助内镜医生进行CD与ITB的鉴别诊断及培训，为机器学习辅助CD与ITB诊断提供新思路。同时利用自监督视觉学习MetaFormer算法可以提取抽象语义，来寻找CD与ITB中不易被发现的图像特征以及文字特征，可能为临床科学研究前沿做出方向性指导。
