手术洞察力引导的深度学习用于结肠直肠损伤管理
Ozan Can Tatar1,2, Anil Çubukçu1
1Department of General Surgery, Faculty of Medicine.
Surgical laparoscopy, endoscopy & percutaneous techniques
|December 5, 2024
概括
一个新的深度学习模型ColoNet在结肠镜检查期间有望检测结肠病变. 这种人工智能工具可以帮助外科医生识别可疑瘤,从而有可能改善结肠直肠癌的早期诊断.
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:
- 结肠镜对于诊断胃肠道疾病,包括癌症至关重要.
- 在结肠镜检查期间准确识别病变仍然是一个挑战.
- 人工智能和机器学习为增强医疗图像分析提供了潜力.
研究的目的:
- 开发和评估一个深度学习 (DL) 模型ColoNet,用于检测结肠镜图像中的病变.
- 用既定指标评估DL模型的诊断准确性.
主要方法:
- 使用YOLOv8架构开发了一个DL模型ColoNet.
- 来自306名患者的1760张结肠镜图像用于培训和验证.
- 使用数据增强技术来提高模型性能.
主要成果:
- 该模型在验证数据集上实现了0.796的精度和0.781的回忆.
- 在实时数据集上,ColoNet显示了70.73%的灵敏度和92.00%的特异性.
- 该模型的整体准确度为82.42%,预测值为87.88%.
结论:
- 科罗网显示出作为外科医生在结肠镜检查期间的辅助工具的潜力.
- 该模型检测可疑病变的能力有助于早期结直肠癌诊断.
- 建议进行进一步的多中心前性研究以进行临床验证.
更多相关视频
08:26Clinical Application of Single-Surgeon, Three-Port, Laparoscopic Resection for Colorectal Cancer with Natural Orifice Specimen Extraction
Published on: March 24, 2023
355
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
