一个深度的神经网络提高了横向扩散的瘤的内镜检测
Yu Lin1, Xigang Zhang2, Feng Li3
1Guangdong Provincial Key Laboratory of Gastroenterology, Department of Gastroenterology, Institute of Gastroenterology of Guangdong Province, Nanfang Hospital, Southern Medical University, Guangzhou, China.
Surgical endoscopy
|November 22, 2024
概括
这项研究开发了一种基于YOLOv7的算法,用于检测横向扩散瘤 (LST),即结直肠癌的癌前病变. 人工智能模型表现出高准确度,与专家内镜师可比,提高了早期检测率.
科学领域:
- 人工智能在医学中的应用
- 胃肠病学 胃肠病学
- 在瘤学瘤学.
背景情况:
- 结肠直肠癌 (CRC) 在全球具有很高的发病率和死亡率.
- 横向扩散的瘤 (LSTs) 是癌前的CRC病变,具有独特的特征和高恶性潜力,在诊断过程中经常错过.
研究的目的:
- 开发和评估一个基于YOLOv7的算法来检测LST.
- 评估人工智能算法的性能与LST诊断中的人类内镜医生相比.
主要方法:
- 利用7985个LST和93,197个非LST图像的大数据集进行培训,验证和测试.
- 采用YOLOv7模型开发LSTs病变检测算法.
- 将人工智能算法的诊断性能与新手,高级和专家内镜师进行了比较.
主要成果:
- 基于YOLOv7的算法实现了对LST的高诊断准确性.
- 关键性能指标包括99.34%的准确性,96.88%的灵敏度,99.8%的特异性,98.94%的正预测值和99.41%的负预测值.
- 人工智能算法的性能优于新手和资深医生.
结论:
- 基于YOLOv7的AI模型证明了LST的高诊断准确性.
- 该算法的性能与专家内镜师相当,为改善LST检测提供了有价值的工具.
- 这种人工智能方法有可能提高结直肠癌前体的早期检测和管理.
