早期胃癌的计算机辅助划分:与内镜医生进行的试点比较研究
Satoko Takemoto1, Keisuke Hori2,3, Sakai Yoshimasa1
1Image Processing Research Team, Center for Advanced Photonics, RIKEN, 2-1 Hirosawa, Wako-shi, Saitama, 351-0198, Japan.
Journal of gastroenterology
|May 31, 2023
概括
一个新的计算机辅助诊断 (CAD) 方案使用内镜图像准确地检测和概述早期胃癌 (EGC). 这种人工智能工具的表现与专家相提并论,为改善临床实践提供了潜力.
科学领域:
- 胃肠病学 胃肠病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 早期胃癌 (EGC) 的准确诊断对于有效的内镜切除至关重要.
- 计算机辅助诊断 (CAD) 可以帮助标准化EGC检测,减少护理差异.
- 临床CAD系统需要病变检测和精确划界能力.
研究的目的:
- 提出并验证一个用于用白光内镜检测和划分EGC的CAD方案.
- 在临床环境中,在一年的时间内,评估拟议的CAD方案在临床环境中的性能.
主要方法:
- 在68例EGC病例的300张内镜图像上训练了一个卷积神经网络,精确确定了病变范围.
- 验证涉及462个癌症和396个正常图像,来自137个连续的病例.
- 在38张选定图像上,性能与6名内镜师的手动划线进行了比较.
主要成果:
- 该CAD方案在83.8%的癌症图像中成功检测出EGC,并在77.5%的病例中正确识别出正常图像.
- 积极和消极的预测值分别为81.3%和80.4%.
- 获得了精确的EGC划界,平均交叉与联盟的交叉率为66.5%,相当于专家性能.
结论:
- 经过验证的CAD方案显示了在临床实践中对EGC划分的重大潜力.
- 该系统的性能与专家的性能相匹配,表明它适合未来整合到内镜工作流程中.
- 这项技术可以提高EGC切除程序的可靠性和一致性.
