基于AutoGluon框架的自动深度学习方法的计算机辅助诊断系统改善了早期食道癌的诊断准确性
Xin Gao1, Jiaxi Lin1, Changju Qu2
1Department of Gastroenterology, The First Affiliated Hospital of Soochow University, Suzhou, China.
Journal of gastrointestinal oncology
|May 17, 2024
概括
使用深度学习 (DL) 的新计算机辅助诊断 (CAD) 系统对早期食道癌 (EEC) 检测有希望. 该CAD系统帮助医生提高诊断准确度,减少内镜手术期间的解释时间.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 早期食道癌 (EEC) 的计算机辅助诊断 (CAD) 系统显示出潜力,但在临床应用中面临挑战.
- 使用AutoGluon框架开发了一个用于EEC的内镜CAD系统,以评估自动深度学习 (DL) 的可行性.
研究的目的:
- 探索基于深度学习的自动CAD系统的可行性,用于早期食道癌 (EEC) 的内镜诊断.
- 与内镜师相比,评估CAD系统在分类正常食道,病变和EEC方面的性能.
主要方法:
- 从两个数据库收集了正常食道,食道炎和EEC的内镜图像,病理确认.
- 使用AutoGluon框架开发了一个CAD系统,用于在非放大和放大内镜下进行三个分类任务.
- 将CAD系统的诊断性能 (准确度,回忆,精度,F1,解释时间,AUC) 与初级和高级内镜师进行了比较.
主要成果:
- 在放大内镜任务中,CAD系统的准确性与初级和高级内镜师相美.
- 在非放大和放大内镜任务中,CAD预解释显著提高了医生的准确性,并减少了阅读时间.
- 高性能CAD模型显示,在特定任务中,与初级医生相比,灵敏度有所提高,尽管与经验丰富的医生之间的差距仍然存在.
结论:
- 基于AutoGluon的CAD系统可以帮助内镜医生提高EEC的诊断准确性和效率.
- 自动深度学习方法在内镜诊断中的临床整合方面显示出显著的前景.
