人工智能能有效地预测胃病变,Helicobacter pylori感染和淋巴结转移在内镜图像上的淋巴结
Ruixin Yang1, Jialin Zhang2, Fengsheng Zhan3
1Department of General Surgery of Ruijin Hospital, Shanghai Institute of Digestive Surgery, and Shanghai Key Laboratory for Gastric Neoplasms, Shanghai Jiao Tong University School of Medicine, Shanghai 200025, China.
Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|November 14, 2024
概括
这项研究开发了一种使用卷积神经网络 (CNN) 分析内镜图像的AI系统,在诊断癌症和H. pylori感染等胃疾病方面实现了高精度. 人工智能系统有助于治疗早期胃癌的决策.
科学领域:
- 人工智能在医学中的应用
- 医学图像分析 医学图像分析
- 胃肠病学 胃肠病学
背景情况:
- 医疗图像的快速增长需要先进的分析工具.
- 人工智能 (AI),特别是卷积神经网络 (CNN),为分析复杂的医疗数据集提供了潜力.
- 内镜成像对于诊断各种胃疾病至关重要.
研究的目的:
- 评估CNN算法在分析内镜图像以诊断胃病的有效性.
- 开发和评估人工智能辅助的临床环境内镜图像的综合分析系统.
- 探索不同胃病理的不同CNN模型的诊断性能.
主要方法:
- 训练了14个不同的CNN模型,使用来自516个病例的6270张白光内镜图像.
- 图像被分为训练,验证和测试集 (7:1:2比).
- 评估了CNN在区分胃癌 (GC) 与良性病变 (nGC),胃 (GU) 与性癌 (UCa),早期胃癌 (EGC) 与nGC,Helicobacter pylori (Hp) 感染与没有HP以及淋巴结转移方面的表现.
主要成果:
- EfficientNetB7在GC与nGC (96.40%),GU与UCa (90.84%),EGC与nGC (97.88%) 和Hp与noHp (83.33%) 之间实现了高精度.
- InceptionV3在预测EGC的危胃淋巴结转移方面表现更好 (79.44%).
- 使用EfficientNetB7和RFB-SSD对内镜和胃切除术图像的综合分析,为EGC实现了100%的预测准确性.
结论:
- 这种由人工智能辅助的系统整合了内镜和胃切除术图像分析,在诊断胃瘤方面显示出巨大的潜力.
- 不同的CNN模型具有不同的强度,这表明混合方法可以优化诊断准确性.
- 这种人工智能系统将在早期胃癌的治疗决策中发挥关键作用.
更多相关视频
10:31Intraoperative Gastroscopy for Tumor Localization in Laparoscopic Surgery for Gastric Adenocarcinoma
Published on: August 9, 2016
12.7K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
