基于深度卷积神经网络实时诊断系统 (带视频) 改善早期胃癌诊断准确性的前性和比较研究
Jie Feng1,2, Yaoping Zhang3,4, Zhijun Feng5
1Department of Gastroenterology, Lanzhou University Second Hospital, Lanzhou, Gansu Province, China. fengj05@163.com.
Surgical endoscopy
|January 22, 2025
概括
一个深层卷积神经网络 (DCNN) 系统改善了内镜医生早期胃癌诊断的准确性. 这种人工智能辅助提高了诊断性能,特别是对于新手医生来说,使他们的准确性与专家相提并论.
科学领域:
- 胃肠病学 胃肠病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 早期胃癌 (EGC) 的内镜诊断存在重大挑战.
- 深层卷积神经网络 (DCNN) 模型提高内镜诊断性能的潜力仍然不清楚.
研究的目的:
- 评估DCNN辅助系统在改善内镜师早期胃癌诊断性能方面的有效性.
- 为了比较诊断准确度,灵敏度,特异性和内镜师使用和不使用DCNN协助所花费的时间.
主要方法:
- 一个DCNN辅助的诊断系统被开发和测试.
- 从三个中心收集了1289张内镜图像和130张患者视频.
- 在使用精度,灵敏度,特异性,时间和AUC的DCNN辅助之前和之后,对12名内镜师 (新手和专家) 的诊断疗效进行比较.
主要成果:
- 该DCNN模型实现了EGC的高分辨率,AUC为0.917 (图像) 和0.930 (视频).
- 通过DCNN的协助,新手和专家内镜师的诊断准确度,灵敏度和特异性得到了显著的改善.
- 该系统减少了诊断时间,并增加了观察者之间的一致性 (kappa值).
结论:
- 一个DCNN辅助的诊断系统有效地提高了内镜师在诊断早期胃癌方面的性能.
- 该系统使初学者内镜师能够达到与经验丰富的内镜师相美的诊断准确性.
- DCNN协助为增强胃肠内镜诊断提供了一个有前途的工具.
