卷积神经网络模型用于在胃体内识别肠道转化,使用内镜图像补丁.
Irene Ligato1, Giorgio De Magistris2, Emanuele Dilaghi1
1Department of Medical-Surgical Sciences and Translational Medicine, Sant'Andrea Hospital, Sapienza University of Rome, 00185 Roma, Italy.
Diagnostics (Basel, Switzerland)
|July 13, 2024
概括
一个新的AI系统有助于检测肠道代谢 (IM),一种癌前胃状况. 这种深度学习工具显示了早期查的前景,改善了胃癌诊断.
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:
- 胃癌 (GC) 是一个重大的健康挑战.
- 早期检测胃癌前疾病,如肠道代谢 (IM),是关键的,但很困难.
- 虚拟染色内镜是一种关键的诊断工具.
研究的目的:
- 开发和评估一种深度学习系统,用于在胃图像中检测肠道代谢 (IM).
- 评估系统在分类图像补丁和整个内镜图像方面的性能.
- 为初步胃癌前查提供可解释和强大的AI方法.
主要方法:
- 使用了胃内镜图像的回顾性数据集.
- 开发了一个深度学习系统来分析200x200像素的图像补丁.
- 采用投票方案进行分类,在验证集上进行优化.
主要成果:
- 补丁级测试组实现了76%的特异性和72%的灵敏性.
- 优化的系统对整个图像显示了70%的特异性和100%的灵敏性.
- 尽管数据有限,但人工智能方法是可以解释和强大的.
结论:
- 开发的深度学习系统显示出有助于早期检测胃癌前期疾病的潜力.
- 这种人工智能工具可以作为诊断中的有价值的初步查方法.
- 考虑到有希望的结果和需要在医疗保健中使用强大的人工智能,进一步开发是有必要的.


