深度学习用于自动诊断和恶性胆管收紧的形态特征使用数字胆管镜:一个多中心研究
Miguel Mascarenhas Saraiva1,2,3, Tiago Ribeiro1,2, Mariano González-Haba4
1Department of Gastroenterology, São João University Hospital, Alameda Professor Hernâni Monteiro, 4200-427 Porto, Portugal.
Cancers
|October 14, 2023
概括
人工智能,使用卷积神经网络 (CNN),现在可以在数字单操作员胆管透视 (D-SOC) 期间识别恶性胆管狭窄 (BSs). 这种人工智能工具显示出高精度,有可能改善这些关键条件的诊断.
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:
- 数字单操作者胆管透镜 (D-SOC) 有助于诊断不确定的胆管收缩 (BSs).
- 试点研究表明,人工智能 (AI) 可以增强D-SOC诊断能力.
研究的目的:
- 开发一个卷积神经网络 (CNN) 用D-SOC图像来识别和表征恶性BS.
- 评估CNN在区分恶性和良性胆道狭窄的表现.
主要方法:
- 一个CNN在两个中心的129次考试中的84,994张D-SOC图像上进行了开发和训练.
- 图像被分类为正常/良性或恶性基于他的病理学.
- 评估CNN是为了检测形态特征,如瘤血管和乳头突出.
- 性能指标包括灵敏度,特异性,准确性,AUROC和AUPRC.
主要成果:
- 美国有线电视新闻网 (CNN) 实现了82.9%的整体准确度,83.5%的灵敏度和82.4%的特异性.
- 接收器操作特征 (AUROC) 和精度回忆曲线 (AUPRC) 下的面积分别为0.92和0.93.
- 该模型成功地将良性发现与恶性BSs区分开来.
结论:
- 开发的CNN有效地识别了D-SOC中的恶性胆道狭窄.
- 与D-SOC集成的AI工具具有显著的潜力,可以提高恶性BS的诊断准确性.
