开发和验证一个人工智能辅助系统,用于在结肠镜检查中自动波士顿评分肠道清洁度 (附视频)
Jian Chen1,2, Jingzhi Xu3, Kaijian Xia2,4
1Department of Gastroenterology, Changshu Hospital Affiliated to Soochow University, Suzhou, Jiangsu, China.
一个名为AutoBBPS的AI系统被开发出来,可以使用YOLOv11自动评分结肠镜肠道准备,提高准确性并帮助内镜师的培训.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 肠道清洁对于在结肠镜检查期间检测聚体和瘤至关重要.
- 波士顿肠道准备量表 (BBPS) 具有诸如观察者之间的变性和不一致的训练等局限性.
- 本研究通过开发人工智能驱动的自动BBPS评分和教学系统来解决这些局限性.
研究的目的:
- 开发一个人工智能驱动的系统,自动进行波士顿肠道准备量表 (BBPS) 评分.
- 为标准化的BBPS培训创建一个智能教学助理.
- 提高结肠镜评估的效率和准确性.
主要方法:
- 收集了来自三个中心的结肠镜图像和视频数据 (2019年6月 - 2024年8月).
- 利用转移学习和微调在四个预训练的YOLOv11模型上进行BBPS评分.
- 开发了AutoBBPS系统,使用Grad-CAM实时,累积得分和视觉解释.
主要成果:
- YOLOv11m模型实现了高性能:99.86%的验证准确度,95.37%的精度和0.996 AUC的测试组.
- 与初级内镜医生相比,AutoBBPS系统的识别准确度更高,与高级内镜医生相比,准确度更高.
- 实现了实时和累积的BBPS评分,在不同的信心值下对内镜师进行了绩效评估.
结论:
- 由人工智能驱动的AutoBBPS系统提高了内镜师在BBPS评分中的效率和准确性.
- 该系统为每个视频提供实时,累积的评分.
- 智能BBPS教学助理对初级内镜师非常有价值,促进了标准化的培训,提高了整体质量.
相关概念视频
15:49Flexible Colonoscopy in Mice to Evaluate the Severity of Colitis and Colorectal Tumors Using a Validated Endoscopic Scoring System
06:37Artificial Intelligence-Based System for Detecting Attention Levels in Students
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
09:11Automation of the Micronucleus Assay Using Imaging Flow Cytometry and Artificial Intelligence
09:16Use of a Video Scoring Anchor for Rapid Serial Assessment of Social Communication in Toddlers
06:28E-Patient Counseling Trial (E-PACO): Computer Based Education versus Nurse Counseling for Patients to Prepare for Colonoscopy


