目录
一、前言
二、10725 张结直肠内镜 6 类数据集完整解析
2.1 数据集基础完整参数
2.2 内镜医疗数据集专属临床优势
2.3 数据集固有短板与配套医疗涨点策略
三、内镜微小息肉不平衡样本 YOLO 涨点核心原理
四、三大消化内镜临床落地应用案例
案例 1 三甲医院内镜室术中实时 AI 辅诊
项目背景
改造落地方案
落地成效
案例 2 县域基层医院胃肠体检筛查
项目背景
轻量化落地方案
落地成效
案例 3 胶囊内镜云端批量影像复盘
项目背景
极简落地方案
落地成效
五、全套内镜 AI 商用工程完整代码
5.1 深度学习环境一键部署脚本
5.2 内镜数据集全自动校验、7:1:2 分层划分代码
5.3 Focal 息肉加权 + 960 多尺度医疗专属训练代码
5.4 内镜视频流实时推理 + 诊断报表代码
六、内镜微小息肉专项优化落地方案
6.1 微小扁平息肉小目标优化
6.2 六类样本失衡均衡优化
6.3 黏膜纹理对比度增强
6.4 医用内镜轻量化部署
七、数据集临床落地使用规范
八、全文总结
核心关键词
一、前言
结直肠息肉是结直肠癌核心癌前病变，胃肠镜筛查是早癌预防金标准。临床内镜检查存在多重诊疗痛点：微小扁平息肉尺寸仅 2~5mm，黏膜色差微弱，医师长时间操作视觉疲劳，微小病灶漏诊率可达 14%~30%；内镜画面伴随气泡、血液、器械遮挡干扰，息肉、炎症、异物视觉相似度高，基层医师易混淆六类内镜目标；单人单次肠镜产出上万帧视频，逐帧人工复盘耗时极长，批量体检筛查效率低下。传统阈值分割、纹理匹配算法仅能识别大面积隆起息肉，无法区分息肉、食管炎、血液、气泡、内镜器械、黏膜伪影六类临床关键目标，难以满足标准化内镜质控需求。
基于 YOLOv8 构建内镜专用检测模型，依托10725 张 6 类结直肠内镜 VOC+YOLO 双格式临床数据集完成训练，同步识别息肉、食管炎、血液、气泡、内镜器械、黏膜伪影六大目标，实时框出微小癌前病灶，输出结构化内镜筛查报告，是三甲内镜中心、县域基层医院、胶囊内镜云平台核心 AI 辅助诊断底座。当前公开胃肠内镜数据集普遍存在样本量少、微小息肉标注稀缺、类别分布长尾失衡、仅单种标注格式缺陷，本文完整拆解 10725 张临床实拍数据集样本分布、内镜真实采集工况、LabelImg 标注规范，独家落地CLAHE 黏膜纹理增强 + 960 超大尺度交替 + Focal 类别均
