基于人工智能的解剖学部位的分类在食道中胃道门视镜图像 图像

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:

• 有效检测胃肠病变需要对胃肠道进行全面检查.
• 目前的胃解剖分析工具存在局限性,阻碍了胃的完整可视化.
• 这项研究解决了在内镜检查期间识别胃解剖学的有效方法的需求.

研究的目的:

• 为了评估人工智能 (AI) 在识别胃解剖部位的有效性,使用食道胃两透镜 (EGD) 图像.
• 评估AI在改善胃内解剖位置的分析和识别方面的能力.
• 确定人工智能是否可以在内镜手术期间帮助完全描绘整个胃.

主要方法:

• 医学人工智能 (AIMED) 系统的开发,使用卷积神经网络和MobileNetV3-large.
• 对 AIMED 在 27 个解剖学类别的 16,031 张食道胃道透镜图像数据集上的性能进行了评估.
• 主要结果措施包括诊断准确度,灵敏度和AI在识别解剖部位方面的特异性.

主要成果:

• 在识别胃解剖部位方面,AIMED系统表现出高的诊断准确性 (99.40%),灵敏度 (91.85%) 和特异性 (99.69%).
• 人工智能模型在160,308张上部内镜图像的大数据集上进行了训练和测试.
• 在一套由 16,031 张 EGD 图像组成的单独测试中验证了性能.

结论:

• AIMED系统在识别胃解剖学方面表现出高精度,支持内镜质量控制.
• 由人工智能驱动的工具可以帮助内镜师标准化程序并提高诊断能力.
• 人工智能将成为内镜诊断和干预技术进步的关键组成部分.