相关实验视频
Updated: Jun 29, 2026

08:43
Investigating Intestinal Inflammation in DSS-induced Model of IBD
Published on: February 1, 2012
67.3K
使用深度学习模型来解决性结肠炎 (UC) 严重程度评估中的观察者间变量
Jeong-Heon Kim1,2,3, A Reum Choe4, Yehyun Park4
1Department of Medicine, Yonsei University College of Medicine, Seoul 03722, Republic of Korea.
Journal of personalized medicine
|November 25, 2023
概括
这项研究引入了一个深度学习共识模型,以标准化从内镜图像评估性结肠炎 (UC) 的严重程度,提高诊断一致性和准确性,以便更好地治疗患者.
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:
- 通过内镜图像准确评估性结肠炎 (UC) 严重程度对于治疗决策至关重要.
- 在解释内镜图像的专家间的差异导致不一致的UC诊断.
- 现有的方法缺乏标准化,影响临床可靠性.
研究的目的:
- 开发和验证基于深度学习的标准化方法,用于UC内镜图像评估.
- 用UCEIS评分系统来解决UC严重性分类中的观察者间变异性.
- 建立一个可靠的共识模型,用于客观的UC严重性评估.
主要方法:
- 收集了来自115名UC患者的254张直肠内镜图像.
- 五位专家分配了UCEIS分数,随后进行了观察者间差异分析.
- 开发了一个基于多数专家协议的共识模型.
- 在50个独立的内镜图像上验证了模型.
主要成果:
- 观察者间差异显示,UCEIS分数的ICC为0.8431 .
- 共识模型在测试图像上实现了0.94的准确性.
- 共识模型的表现优于在个人专家标签上训练的模型.
结论:
- 一个深度学习共识模型有效地标准化了UC内镜图像解释.
- 这种方法显著减少了诊断的变化,并提高了评估的准确性.
- 开发的模型提供了一个可靠的工具,用于客观地确定UC严重程度.
更多相关视频
15:49Flexible Colonoscopy in Mice to Evaluate the Severity of Colitis and Colorectal Tumors Using a Validated Endoscopic Scoring System
Published on: October 16, 2013
31.8K
09:11Systematic Scoring Analysis for Intestinal Inflammation in a Murine Dextran Sodium Sulfate-Induced Colitis Model
Published on: February 14, 2021
9.4K