通过对十二指肠内镜图像进行定量处理,以计算机为基础诊断腹腔疾病

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:

• 在成年人中,病 (CD) 诊断通常需要血清学和十二指肠活检.
• 十二指肠活检有局限性,引发了对非活检诊断策略的兴趣.
• 状缩 (VA) 的内镜标记与CD和血清学相关.

研究的目的:

• 开发和验证一种自动化方法,用于检测腹腔疾病中VA的内镜标记物.
• 评估机器学习 (ML) 和深度学习 (DL) 算法的性能,以从十二指肠图像中识别VA.
• 探索人工智能驱动的图像分析的潜力,以寻找未经怀疑的CD.

主要方法:

• 从新诊断的腹腔疾病患者和非腹腔疾病对照组收集了十二指肠内镜图像.
• 应用ML和深度学习算法,包括分层卷积神经网络 (CNN),用于VA检测的图像补丁.
• 使用组织学作为黄金标准进行比较.

主要成果:

• 所有测试的算法都显示出高的诊断准确度来检测VA.
• 多层CNN实现了最高的性能,具有99.67%的灵敏度和98.07%的积极预测值.
• 该算法准确地区分了CD患者与VA相关的粘膜变化与正常的粘膜.

结论:

• 已经开发出了一种准确的算法,用于自动检测在乳病中与VA相关的粘膜变化.
• 这种基于人工智能的方法显示出非活检诊断和乳病病例发现的前景.
• 自动化内镜图像分析可能会改善乳病的诊断工作流程.