| 摘 要： | 目的：研究基于深度学习的人工智能（AI）诊断模型应用于食管早癌内窥镜筛查。方法：利用Inception ResNet V2 CNN模型构建深度学习模型,并在Tensor Flow1.9.0框架下进行训练、验证及测试。选取医院收治的80例食管癌患者资料,另选同期在医院进行内窥镜检查的80例食管其他病变患者资料,收集160例患者内窥镜检查时获得的传统白光成像技术图像及窄带成像图像,按照7∶3的比例分为训练组（112例）和验证组（48例）,建立基于深度学习的AI诊断模型,收集两组临床基本资料。分析食管早癌内窥镜下特征。以病理学检查结果为“金标准”,分析传统白光成像技术及窄带成像技术对食管早癌的诊断结果。观察不同性质食管病变患者镜下检查结果。分析基于卷积神经网络（CNN）的深度学习方法构建的早期食管癌AI诊断模型与内窥镜医师诊断结果之间的差异。采用受试者工作特征（ROC）曲线下面积（AUC）分析AI诊断模型与低资历内窥镜医师、高资历内窥镜医师诊断的效能。结果：训练组患者基于传统白光成像技术图像及窄带成像图像的病灶表面不光滑占79.46%（89/112）,具有黏液附着占72.32%（81/112...
|
