深度学习 宫图像的诊断分类,以增强结肠镜印象

科学领域:

• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能
• 宫癌查 宫癌查

背景情况:

• 结肠镜对于宫癌查至关重要.
• 准确的结肠镜印记对于及时诊断和治疗至关重要.
• 目前的方法可能是主观的,并且在准确度上有所不同.

研究的目的:

• 开发和评估一个深度学习分类器,以提高镜印记的准确性.
• 评估模型的表现与专家评审者对比.
• 探索整合患者数据以提高分类.

主要方法:

• 一个基于SegFormer的深度学习模型被训练在镜图像上.
• 在训练,验证和测试中使用了组织学分层的数据分割.
• 该模型被评估为跨摄像机类型的可转移性,并使用梯度增强树模型与患者数据集成.

主要成果:

• 深度学习模型实现了0.75的AUC,超过了专家评审者 (YI=0.16对0.37).
• 该模型在不同的相机类型中显示出强度 (AUC=0.70).
• 将图像预测与患者转诊数据相结合,改善了AUC=0.81.1的分类.

结论:

• 宫图像的深度学习分类是强大的,超过了专家的性能.
• 纳入额外的患者信息进一步提升了诊断准确度.
• 这种人工智能工具显示出在临床实用性方面具有显著的潜力,可以作为结肠镜检查的补充.