深度学习模型用于食道胃道门视镜中的解剖位置分类图像和视频:用临床数据进行定量评估

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 胃肠病学 胃肠病学

背景情况:

• 在胃镜检查过程中精确的解剖学识别对于诊断辅助工具至关重要.
• 目前的方法在局部化胃肠病变和提醒盲点方面可能缺乏精度.

研究的目的:

• 开发和验证深度学习模型,用于预测胃肠道在胃镜检查期间的解剖位置.
• 为了提高内镜手术实时位置预测的准确性和稳定性.

主要方法:

• 在1000名患者的31,403张注释静止图像上训练了一种分类模型.
• 该模型被应用于20个食道胃道腺镜视频,以实时验证.
• 一个基于硬投票的后处理算法汇总了来自七个连续的预测,以提高稳定性.

主要成果:

• 在静止图像方面,InceptionV3 获得了 79.79% 的 F1 评分.
• 在视频数据方面,InceptionResNetV2获得了61.37%的F1得分.
• 后处理算法显著稳定了实时内镜应用的预测.

结论:

• 深度学习模型可以准确地预测胃肠道位置在胃镜检查期间.
• 这些模型为开发先进的诊断辅助工具提供了一种可行的方法.
• 位置预测可以支持自动报告和后续检查.