建立基于卷积神经网络 (带有视频) 的自动化囊内镜识别的AI模型和应用程序
Jian Chen1,2, Kaijian Xia3,2, Zihao Zhang4
1Department of Gastroenterology, Changshu Hospital Affiliated to Soochow University, Suzhou, 215500, China.
BMC gastroenterology
|November 5, 2024
概括
这项研究开发了一种用于小肠囊内镜的人工智能 (AI) 模型,显著提高了病变检测的准确性和速度. 人工智能系统帮助医生解释图像,减少小肠疾病中错过的诊断.
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:
- 囊内镜 (CE) 对于诊断小肠疾病至关重要,但会产生大量的图像,增加医生的工作量和诊断错误.
- 需要自动化病变检测,以提高CE解释的效率和准确性.
研究的目的:
- 开发和验证人工智能 (AI) 模型和临床应用,用于CE图像中小肠病变的自动识别.
- 将人工智能模型的性能与不同经验水平的内镜师进行比较.
主要方法:
- 一个卷积神经网络 (CNN) 模型在三个CE数据集上进行了训练和验证,其中包括12个损伤类别.
- 使用AUC,灵敏度,特异性,精度,准确性和F1评分来评估模型性能.
- 进行了人机比较研究和模型解释性分析 (Grad-CAM,SHAP). 使用PyQt5.5构建了一个临床应用程序.
主要成果:
- 最好的模型,MobileNetv3-large,在12个类别中实现了加权平均灵敏度为87.17%,特异性为98.77%,AUC为0.9897.
- 人工智能应用程序显示了87.17%的准确性,并以每秒75.04的速度处理图像,超过了内镜.
- 模型解释性技术证实了AI识别相关图像特征的能力.
结论:
- 开发的AI模型和应用程序从CE图像中准确且快速识别12种小肠病变类型.
- 人工智能系统的高灵敏度有效地支持医生在CE解释中,可能减少错过的诊断.
- 未来的研究将集中在视频评估和AI系统的临床集成上.
