开发和验证基于深度学习的三维系统,用于评估结肠镜视频结肠镜上的肠道准备

科学领域:

• 人工智能在医学中的应用
• 医学成像分析 医学成像分析
• 胃肠病学技术 技术 胃肠病学技术

背景情况:

• 现有的基于图像的模型用于评估结肠镜肠道准备已经显示出有限的性能和概括能力.
• 需要更精确,更稳定的人工智能系统来从结肠镜视频中评估肠道准备质量.

研究的目的:

• 开发和验证一个新的AI系统ViENDO,用于准确评估结肠镜视频中的肠道准备质量.
• 评估ViENDO在多个中心的全长结肠镜视频上的性能,并与内镜师的性能进行比较.

主要方法:

• 拟议的ViENDO系统包括两个卷积神经网络 (CNN):用于镜的信息网络和用于评估肠道准备的BBPS网络.
• 根据波士顿肠道准备量表 (BBPS) 的数据,BBPS-Net利用了在5566段视频中训练的3D CNN技术来检测肠道准备不足.
• 维恩多被应用于全长结肠镜视频来预测BBPS分段分数,并进行了人机竞赛.

主要成果:

• 从视频片段中,BBPS-Net在识别不充分的肠道准备方面实现了0.98和95.2%的准确性.
• 在全长视频上,ViENDO在评估肠道清洁度方面表现出很高的准确性:93.8% (内部) 和91.7% (外部数据集).
• 人与机器的比赛表明,ViENDO的准确性略高于大多数内镜师,没有统计学意义.

结论:

• 基于3D-CNN的AI模型 (ViENDO) 在评估从结肠镜视频的全长肠道准备方面表现出强的表现.
• 作为一种工具,ViENDO具有显著的潜力,可以协助或替代内镜医生在常规临床实践中提供基于BBPS的评估.