出血性病变是大多数严重胃肠道疾病的常见症状，因此检测微小的出血性病变对于这些疾病的早期诊断非常重要，这与患者的生存、治疗和费用密切相关。现有的病灶检测方法主要针对大病灶，由于特征表示的限制，不能直接适用于微小病灶。
近日，设施图像融合与处理中心负责人石宣化教授课题组提出一种提取和融合多尺度深度特征的方法，用于检测和定位大型和微小病变。利用该方法在包含20,000个带有临床注释的无线胶囊内窥镜图像的临床数据集上进行评估。实验结果表明，本方法可以实现98.9%的预测准确率和93.5%的F1 分数，与最先进的方法相比分别提高了31.69%和22.12%。成果发表在行业权威刊物《ACM Transactions on Internet of Things》上。
