卷积神经网络深度学习模型在内超声波中准确检测直肠癌
D Carter1,2, D Bykhovsky3, A Hasky4
1Department of Gastroenterology, Chaim Sheba Medical Center, Ramat Gan, Israel. Dr.dancarter@gmail.com.
Techniques in coloproctology
|April 1, 2024
概括
深度学习模型显示了改善使用内腔超声波 (EAUS) 图像进行直肠癌诊断的前景. 这种AI方法提高了非专业中心的准确性,有助于早期检测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 内腔超声波 (EAUS) 对于直肠癌的评估至关重要.
- 由于经验的变化,EAUS准确性在非专业中心下降.
- 人工智能是需要提高EAUS诊断准确性在不同的设置.
研究的目的:
- 开发和验证用于检测直肠癌的深度学习 (DL) 模型.
- 使用标准EAUS图像区分直肠癌.
- 在专业知识有限的环境中提高诊断能力.
主要方法:
- 使用转移学习方法与微调的DL架构.
- 使用了一个包含294张EAUS图像的数据集.
- 使用十倍交叉验证评估模型性能.
主要成果:
- 该DL诊断模型实现了0.78的灵敏度和0.78.7的准确度.
- 自动诊断平台达到直肠癌诊断曲线 (AUC) 下的面积为0.85.
- 在识别直肠癌方面表现出显著的诊断性能.
结论:
- DL模型显示了通过EAUS改善直肠癌检测的潜力.
- 人工智能支持可以提高非专业医疗中心的诊断结果.
- 这种技术在审查员经验较低的环境中尤其有益.
