相关实验视频
Updated: Jun 26, 2025
06:01
A Genetically Engineered Mouse Model of Sporadic Colorectal Cancer
Published on: July 6, 2017
9.5K
建立和验证基于人工智能的模型,用于实时检测和分类结直肠腺瘤
Luqing Zhao1, Nan Wang2, Xihan Zhu1
1Digestive Disease Center, Beijing Hospital of Traditional Chinese Medicine, Capital Medical University, No. 23, Back Street of Art Museum, Dongcheng District, Beijing, 100010, China.
Scientific reports
|May 10, 2024
概括
这项研究引入了一种人工智能模型,用于在结肠镜检查期间实时检测结肠直肠腺瘤. 适应性小物体检测组合 (ASODE) 模型提高了多重体识别的准确性,有助于早期预防癌症.
科学领域:
- 计算医学是一种计算医学.
- 人工智能在胃肠病学中的应用
- 癌症检测技术 癌症检测技术
背景情况:
- 预防结肠直肠癌 (CRC) 取决于早期检测和去除腺瘤.
- 需要实时计算模型来帮助在结肠镜检查期间识别腺瘤.
- 现有的方法可能会面临小息肉的计算效率和精度的局限性.
研究的目的:
- 开发一个实时检测和分类结直肠腺瘤的计算模型.
- 为了提高聚合物检测的精度,同时最大限度地减少计算资源的需求.
- 在临床实践中为内镜医生提供可靠的辅助工具.
主要方法:
- 开发了一种适应性轻量级网络修改和培训策略,用于实时检测.
- 集成的适应性轻量级YOLOv4与单射击多盒探测器 (SSD) 创建适应性小物体检测组合 (ASODE) 模型.
- 通过对来自临床结肠镜图像和视频的1148个息肉进行模拟训练来验证该模型,具有0.5的置信值.
主要成果:
- 与最先进的模型相比,ASODE模型表现出更高的性能.
- 实现了高灵敏度:图像87.96%和视频92.31%.
- 在腺瘤检测方面获得了92.70%的准确性,错误阳性率为8.18%,有效地分类了小息肉.
结论:
- ASODE模型在实时结直肠腺瘤检测方面提供了显著的性能.
- 该模型有效地提高了无需显著内存开销的聚检测精度.
- 这种人工智能工具在协助内镜医生改善结直肠癌预防方面表现有前途.
