基于深度学习的算法的诊断准确性在喉腔镜:一个系统的审查和元分析
Shengyi Du1,2,3, Jin Guo1,2,3, Donghai Huang1,2,3,4
1Department of Otolaryngology Head and Neck Surgery, Xiangya Hospital, Central South University, No. 87 Xiangya Road, Changsha, Hunan, 410008, The People's Republic of China.
概括
深度学习显示,使用喉腔镜图像诊断喉癌的准确性很高. 这种人工智能方法可以帮助医生为声带病变做出更好的临床决策.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 喉腔镜是声带病变的标准诊断工具,但有其局限性.
- 深度学习 (DL) 在医学图像分析方面显示出前景.
- 这项研究评估了DL在喉腔镜中的诊断效用.
研究的目的:
- 系统地审查和元分析深度学习算法的诊断性能,用于喉癌检测.
主要方法:
- 按照PRISMA指南进行系统审查和元分析.
- 在PubMed,Scopus,Embase和Web of Science数据库中进行了搜索.
- 包括将DL应用于喉腔镜图像的研究;使用随机效应模型提取诊断指标.
主要成果:
- 分析了9项研究,包括106,175张图像.
- 喉癌的综合灵敏度:0.95 (95% CI:0.85-0.98). 癌症发生的时间
- 喉癌的聚合特异性:0.96 (95% CI:0.91-0.98).对于喉癌的聚合特异性:0.96 (95% CI:0.91-0.98).
- DL 的曲线下的面积 (AUC):0.99 (95% CI:0.97-0.99).
结论:
- 深度学习通过喉镜检查,对喉癌的诊断效果非常出色.
- DL有可能支持内镜医生诊断喉癌.
- 由人工智能驱动的工具可以帮助喉科的临床决策.


