使用基于鼻镜图像的神经网络检测鼻癌
Shi-Xu Wang1, Ying Li2, Ji-Qing Zhu3
1Department of Head and Neck Surgery, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
The Laryngoscope
|May 31, 2023
概括
一个深层卷积神经网络 (DCNN) 的AI系统在内镜图像中准确检测鼻癌 (NPC). 这种人工智能工具显示了提高诊断准确度和减少错过NPC病例的潜力.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 鼻癌 (NPC) 诊断依赖于专家对鼻镜图像的解释.
- 提高NPC检测的诊断准确性和效率仍然是一个临床挑战.
研究的目的:
- 开发和验证一个深层卷积神经网络 (DCNN) 人工智能 (AI) 系统,用于使用存档的鼻镜图像检测NPC.
- 评估DCNN模型与人类专家诊断的性能.
主要方法:
- 使用YOLOv5架构构建了一个DCNN模型,其中包含14,107张回顾性鼻镜图像 (7,108张NPC,6,999张非癌症).
- 使用了3,501张图像 (1,744张NPC,1,757张非癌症) 的单独验证数据集.
- DCNN模型的性能与四名耳鼻喉科医生进行了基准测试.
主要成果:
- 该DCNN模型在白光成像 (WLI) 和窄带成像 (NBI) 上检测NPC方面实现了高性能指标.
- 对于WLI,精度,回忆,准确性和F1分数分别为0.845±0.038,0.942±0.021,0.920±0.024和0.890±0.045. 在WLI中,精度,回忆,准确性和F1分数分别为0.845±0.038,0.942±0.021,0.920±0.024,和0.890±0.045.
- 对于NBI,精度,回忆,准确性和F1分数分别为0.895±0.045,0.941±0.018,0.975±0.013和0.918±0.036.
- 与初级耳鼻喉科医生相比,DCNN模型显示出明显优异的诊断结果 (p < 0.05).
结论:
- 与初级耳鼻喉科医生相比,基于DCNN的AI系统在NPC检测方面表现出卓越的诊断性能.
- 这种人工智能系统有可能帮助临床医生提高诊断准确度,减少错过的NPC诊断.
