一个基于卷积神经网络的系统,用于识别神经内分泌瘤和多种类型的胰腺病变,使用EUS (带视频)
Jie-Kun Ni1, Ze-Le Ling2, Xiao Liang1
1Department of Gastroenterology, Qilu Hospital of Shandong University, Jinan, China; Shandong Provincial Clinical Research Center for Digestive Disease, Shandong, China; Laboratory of Translational Gastroenterology, Qilu Hospital of Shandong University, Jinan, China; Robot Engineering Laboratory for Precise Diagnosis and Therapy of GI Tumor, Qilu Hospital of Shandong University, Jinan, China.
Gastrointestinal endoscopy
|October 18, 2024
概括
一个新的AI系统,iEUS,使用内超声波 (EUS) 准确识别胰腺神经内分泌瘤 (pNEN) 和其他胰腺病变. 这种工具显著提高了内声学家的诊断准确性,有助于更容易获得和精确的诊断.
科学领域:
- 胃肠病学 胃肠病学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 内镜超声波 (EUS) 对于检测胰腺神经内分泌瘤 (pNEN) 是至关重要的.
- 通过EUS诊断pNEN是具有挑战性的,因为它模仿正常的胰腺和其他病变,使其依赖于操作人员,耗时.
- 现有的诊断方法需要大量的专业知识,并且可能是主观的.
研究的目的:
- 开发和评估一个基于人工智能的系统,iEUS,利用卷积神经网络 (CNNs).
- 提高pNEN的识别,并使用EUS将其与其他常见的胰腺病变区分开来.
- 提高胰腺损伤内镜诊断的可访问性和准确性.
主要方法:
- 一个基于CNN的系统 (iEUS) 是使用1200张pNEN和非pNEN病变 (PDAC,AIP,PCN) 的EUS图像数据集开发的.
- 创建了两个分类模型:一个2类 (pNEN与非pNEN) 和一个4类 (pNEN,PDAC,AIP,PCN) 模型.
- 展望评估涉及一个人-iEUS比赛,使用连续患者的视频数据.
主要成果:
- 对于pNEN,iEUS系统的诊断准确度很高,与专家内声学家相美 (88.2%为4类模型).
- 在pNEN诊断方面,iEUS显著优于新手内声学家 (88.2%对75.4%).
- 通过iEUS的辅助诊断,在所有经验层面上显著提高了内声学家检测pNEN的灵敏度.
结论:
- 该iEUS系统准确诊断pNEN和其他胰腺病变,为内镜诊断提供了宝贵的工具.
- iEUS帮助内声学家实现更容易获得和更准确的诊断,可能减少诊断错误.
- 这种由人工智能驱动的方法在改善胰腺疾病的管理方面表现有前途.
