使用内镜超声波图像与深度学习区分局部自免疫胰腺炎和胰腺管腺癌
Hitomi Nakamura1, Motohisa Fukuda2, Akiko Matsuda1
1Department of Gastroenterology Faculty of Medicine Yamagata University Yamagata Japan.
DEN open
|March 4, 2024
概括
像ResNet152这样的深度学习模型可以使用内镜超声波图像有效地区分自身免疫性胰腺炎和胰腺管腺癌,在诊断准确性方面超过人类内镜师.
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:
- 在内超声波 (EUS) 图像上区分局部自免疫胰腺炎 (AIP) 和胰腺管腺癌 (PDAC) 是一个挑战.
- 深度学习 (DL) 在改善各种医疗条件的诊断准确性方面表现有前途.
研究的目的:
- 使用EUS图像开发和评估DL方法来区分AIP和PDAC.
- 为优化DL模型性能创建一个专门的交叉验证框架.
主要方法:
- 转移学习被应用到ResNet152卷积神经网络 (CNN).
- 用一种创新的成像方法来增强数据和处理时间数据.
- 在24名AIP和61名PDAC患者 (2016-2022) 的数据集上采用了5倍交叉验证策略.
主要成果:
- 在所有评估指标上,ResNet152与内镜医生相比表现优越.
- 用平衡的数据集实现了接收器运行特征曲线 (0.85) 下的最高面积和精度 (0.80).
结论:
- DL模型,特别是ResNet152,可以在EUS图像上准确地区分AIP和PDAC.
- 这些发现表明DL模型特征提取与人类诊断标准相关,可能使基于EUS的诊断获得样本有效的培训.
