在使用卷积神经网络的查结肠镜检查中准确识别多
Hadi Abooei Mehrizi1, Gonzalo Martínez-Muñoz2, Elham Tabesh3
1Escuela Politéctica Superior, Universidad Autónoma de Madrid, C. Francisco Tomás y Valiente, 28049, Madrid, Madrid, Spain. hadi.abooeimehrizi@estudiante.uam.es.
Medical & biological engineering & computing
|December 13, 2025
概括
这项研究引入了一个卷积神经网络 (CNN),以改善在结肠镜检查期间的聚体检测,提高腺瘤检测率 (ADR). 人工智能模型实现了96.42%的准确性,超过了人类专家,并有助于预防结直肠癌.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 胃肠病学 胃肠病学
- 在瘤学瘤学.
背景情况:
- 结肠直肠癌是全球领先的健康问题.
- 增加腺瘤检测率 (ADR) 对于降低结直肠癌发病率至关重要.
- 在结肠镜检查期间准确检测多是改善ADR的关键.
研究的目的:
- 开发和评估一个卷积神经网络 (CNN),用于在结肠镜图像中增强多的检测.
- 评估CNN在提高腺瘤检测率 (ADR) 的表现.
主要方法:
- 开发一个CNN架构,结合图像处理和转移学习.
- 培训CNN使用1982年手工标记的结肠镜图像和240张高分辨率图像的各种数据集.
- 在模拟条件下对人类专家进行实验,以评估CNN的表现.
主要成果:
- 优化后的CNN实现了ROC曲线下的面积为0.964和96.42%的准确性.
- 该模型在各种视频分辨率和聚类型中展示了一致的性能.
- 美国有线电视新闻网 (CNN) 的表现比三个结肠镜专家的平均准确率高出5%.
结论:
- 开发的CNN显示了在结肠镜检查期间改善腺瘤检测的巨大潜力.
- 这种人工智能辅助的方法可以促进更高的结直肠癌预防率.
- 该模型提供了一种有价值的工具,以协助胃肠科医生在常规结肠镜检查过程中.
