基于深度学习人工智能在结肠镜检查中应用研究
阿依木克地斯·亚力孔1,庄惠军2,蔡世伦1,牛雪静3,谭伟敏3,颜 波3,姚礼庆1,周平红1,钟芸诗1
2020, 40(03):
353-357.
DOI: 10.19538/j.cjps.issn1005-2208.2020.03.28
目的 构建人工智能辅助的结肠镜质量评估算法及肠息肉形态分类算法,客观评估肠镜检查质量、息肉形态,实现结肠镜检查的规范化和统一化。方法 收集复旦大学附属中山医院2018年1月至8月,共18 962张肠镜图片。其中7140张用于肠镜质量评估算法建立,11 822张用于肠息肉形态分类算法建立。把肠镜图像作为卷积神经网络(CNN)的输入,端到端训练卷积神经网络,实现肠镜图像的分类任务,从而建立算法。其中包括3个模型:(1)肠道准备质量评分(四分类)。(2)回盲瓣的识别(二分类)。(3)无蒂和有蒂息肉的分类(二分类)。结果 肠镜质量评估模型对回盲瓣识别的准确率为95.27%,受试者工作特征(ROC)曲线下的面积(AUC)为0.9769,对基于波士顿评分标准四分类的图像的识别总精度为76.96%。肠息肉形态分类模型的AUC值为0.8695。结论 该深度学习模型用于肠镜检查质量的评估和肠息肉形态学的分类,具有良好的特异度、敏感度和AUC值,可辅助医师对肠镜检查质量进行评价,并对肠息肉进行分类,实现规范化和统一化。
|