本研究解决了深度学习工具在胃肠道视觉中对未见或新出现疾病模式做出过于自信预测的问题。通过将这一可靠性问题视为分布外（OOD）检测问题，我们提出了最近质心距离缺失（NCCD）评分方法，用于有效识别OOD实例。我们的方法在多个深度学习架构及两个公开基准（Kvasir2和Gastrovision）上表现出色，显示出其在临床应用中的潜在影响。

本文探讨了深度学习在胃肠道内窥镜图像分析中的应用，提出了多种模型和算法以提高识别率和准确性。研究表明，卷积神经网络和视觉转换器在特征提取和分类方面表现优越，尤其在资源有限的环境中开发轻量级模型具有重要意义。此外，GastroVision数据集的推出为胃肠疾病检测提供了丰富的标注数据，促进了相关算法的发展。