目的構(gòu)建人工智能輔助的結(jié)腸鏡質(zhì)量評估算法及腸息肉形態(tài)分類算法,客觀評估腸鏡檢查質(zhì)量、息肉形態(tài),實現(xiàn)結(jié)腸鏡檢查的規(guī)范化和統(tǒng)一化。方法收集復(fù)旦大學(xué)附屬中山醫(yī)院2018年1月至8月,共18 962張腸鏡圖片。其中7140張用于腸鏡質(zhì)量評估算法建立,11 822張用于腸息肉形態(tài)分類算法建立。把腸鏡圖像作為卷積神經(jīng)網(wǎng)絡(luò)（CNN）的輸入,端到端訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò),實現(xiàn)腸鏡圖像的分類任務(wù),從而建立算法。其中包括3個模型:（1）腸道準(zhǔn)備質(zhì)量評分（四分類）。（2）回盲瓣的識別（二分類）。（3）無蒂和有蒂息肉的分類（二分類）。結(jié)果腸鏡質(zhì)量評估模型對回盲瓣識別的準(zhǔn)確率為95.27%,受試者工作特征（ROC）曲線下的面積（AUC）為0.9769,對基于波士頓評分標(biāo)準(zhǔn)四分類的圖像的識別總精度為76.96%。腸息肉形態(tài)分類模型的AUC值為0.8695。結(jié)論該深度學(xué)習(xí)模型用于腸鏡檢查質(zhì)量的評估和腸息肉形態(tài)學(xué)的分類,具有良好的特異度、敏感度和AUC值,可輔助醫(yī)師對腸鏡檢查質(zhì)量進(jìn)行評價,并對腸息肉進(jìn)行分類,實現(xiàn)規(guī)范化和統(tǒng)一化。 

【文章來源】：中國實用外科雜志. 2020,40(03)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

波士頓腸道準(zhǔn)備量表評分標(biāo)準(zhǔn)（見參考文獻(xiàn)[7])

經(jīng)過分類的腸鏡圖片

有蒂息肉和無蒂息肉樣本展示

【參考文獻(xiàn)】：
期刊論文
[1]人工智能制定乳腺癌術(shù)后治療方案與相關(guān)指南一致性研究[J]. 段明月,葉玉琴,張樂,王可人.  中國實用外科雜志. 2019(09)
[2]中國早期結(jié)直腸癌篩查及內(nèi)鏡診治指南（2014年,北京）[J]. 柏愚,楊帆,馬丹,鄒文斌.  胃腸病學(xué). 2015(06)
[3]Colometer:A real-time quality feedback system for screening colonoscopy[J]. Dobromir Filip,Leticia Angulo-Rodríguez,Martin P Mintchev,Shane M Devlin,Alaa Rostom,Wayne Rosen,Christopher N Andrews.  World Journal of Gastroenterology. 2012(32)



本文編號：3459661