在内镜图像中探索视觉转换器,以对早期巴雷特发育不良症进行分类:对白光和窄带成像的试点研究
Jin L Tan1,2, Dileepa Pitawela3, Mohamed A Chinnaratha1,2
1Department of Gastroenterology and Hepatology Lyell McEwin Hospital, SA Health Elizabeth Vale South Australia Australia.
JGH open : an open access journal of gastroenterology and hepatology
|September 27, 2024
概括
视力转换器模型在巴雷特食道图像中准确地检测到早期食道瘤. 这种深度学习方法对诊断其他胃肠道疾病充满希望.
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:
- 卷积神经网络 (CNN) 在巴雷特食道中改善了早期食道瘤检测.
- 视觉转换器 (ViT),源自自然语言处理,代表了一个新的,高性能图像识别技术.
- 这项研究调查了ViT在内镜巴雷特食道图像中对早期食道瘤的分类.
研究的目的:
- 探索视觉变压器 (ViT) 模型在Barrett食道内镜图像中识别早期食道瘤的有效性.
- 为了比较在不同成像模式 (白光成像,窄带成像和组合) 上训练的ViT模型的性能.
主要方法:
- 研究人员利用了来自267名患者的1918年巴雷特食道图像数据集.
- 预训练的ViTBase16模型被开发用于白光成像 (WLI),窄带成像 (NBI) 和组合方式.
- 用准确度,灵敏度,特异性,混矩阵和ROC曲线来评估模型性能.
主要成果:
- NBI-ViT模型实现了最高的性能 (准确率:99%,灵敏度:97%,特异性:99%).
- WLI-ViT显示了92%的准确性,82%的灵敏度和95%的特异性.
- 结合方式-ViT实现了93%的准确性,87%的灵敏度和95%的特异性.
结论:
- 视力变压器模型在内镜巴雷特食道图像中检测早期食道瘤时表现出高准确度.
- 在诊断各种胃肠道内镜疾病方面,ViT具有更广泛应用的巨大潜力.
