一个卷积神经网络用于在囊内镜中检测出血,使用真实临床数据
Dorothee Turck1, Thomas Dratsch2, Lorenz Schröder1
1Department of Medicine, University of Cologne, Cologne, Germany.
概括
一个新的卷积神经网络在囊内镜视频中准确检测胃肠道出血. 这种人工智能工具在改善诊断准确性和减少临床实践中阅读时间方面表现有前途.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 囊内镜是可视化胃肠道的一个关键工具.
- 解读囊内镜视频是耗时的,需要专家分析.
- 开发自动化方法可以帮助诊断病理.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN),用于检测胃肠道出血.
- 用现实的临床数据来训练和测试AI模型.
- 评估CNN在单一中心环境中的表现.
主要方法:
- 使用转移学习开发了一个卷积神经网络 (Inception V3).
- 该模型在133名患者的囊内镜视频上进行了训练和验证.
- 一个数据集包括125个病理出血发现和103个非病理发现.
主要成果:
- 美国有线电视新闻网 (CNN) 在血液检测方面取得了90.6%的整体准确率.
- 检测出血的灵敏度为89.4%,特异性为91.7%.
- 该模型在现实的临床数据上表现出高性能.
结论:
- 卷积神经网络可以在囊内镜视频中有效检测胃肠道出血.
- 开发的AI模型显示了提高诊断准确性的潜力.
- 这项技术可以显著减少囊内镜视频解释所需的时间.
