基于卷积神经网络的内镜成像在食道癌或高度发育不良的应用:一个系统的审查和元分析

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 食道癌是全球癌症死亡的主要原因之一.
• 早期检测和准确的诊断对于改善患者预后至关重要.
• 卷积神经网络 (CNN) 在医学图像分析中为癌症诊断提供了有前途的进展.

研究的目的:

• 进行元分析,评估食道癌和高度形 (HGD) 的CNN模型的诊断准确性.
• 评估CNN在静止图像和视频分析方面的表现.
• 分析CNN在预测食道癌侵袭深度方面的能力.

主要方法:

• 在PubMed,EMBASE,Web of Science和Cochrane图书馆数据库中进行系统搜索,截至2022年11月30日.
• 对28项研究的元分析,使用了二元化和分层的摘要接收器操作特征方法.
• 对基于CNN的图像分析的聚合灵敏度,特异性,PLR,NLR,DOR和AUC的评估.

主要成果:

• 基于静态图像的CNN分析实现了高诊断准确度 (AUC=0.98) 的食道癌/高血压.
• 基于视频的分析显示精度较低但仍然显著 (AUC=0.87).
• 美国有线电视新闻网对入侵深度的预测产生了高AUC 0.95.

结论:

• 基于CNN的图像分析是一种高度敏感和特定的方法,用于诊断食道癌和HGD.
• 这些发现支持大规模多中心临床试验的进一步调查.
• CNNs代表了提高食道恶性瘤的早期检测和诊断的宝贵工具.