深度卷积神经网络对胃病变普通内镜图像诊断的研究

目的通过深度卷积神经网络（convolutional neural network,CNN）技术实现胃病变内镜图像的快速、准确人工智能辅助诊断。方法收集2012—2018年北京大学人民医院1 121例胃病变的普通白光内镜图像和病理结果。胃病变图像包括消化性溃疡、早期胃癌及高级别上皮内瘤变、进展期胃癌、胃黏膜下肿瘤共4类,另外还包括无病变正常胃黏膜图像。共17 217张图像作为训练集,使用CNN ResNet-34模型训练分类任务,使用全CNN DeepLabv3模型训练像素分割任务。经过训练后的CNN通过一个测试集评估诊断效能,测试集包括237例胃病变,共1 091张普通内镜图像。计算CNN诊断的准确率、敏感度、特异度、阳性预测值、阴性预测值。结果CNN对于早期胃癌及高级别上皮内瘤变的诊断准确率为78.6%(33/42),敏感度为84.4%(27/32),特异度为60.0%(6/10),阳性预测值87.1%(27/31),阴性预测值54.5%(6/11);对于消化性溃疡的诊断准确率为90.4%(47/52),敏感度为92.7%(38/41),特异度为81.8%(9/11);对于进展期胃癌的诊断准确率为88.1%(52/59),敏感度为91.8%(45/49),特异度为70.0%(7/10);对于胃黏膜下肿瘤的诊断准确率为86.0%(43/50),敏感度为89.7%(35/39),特异度为72.7%(8/11)。所有测试集图像识别时间为42 s。结论CNN可以作为早期胃癌及其他胃病变内镜图像的快速辅助识别方法,识别速度快,准确率高。     

人工智能对内镜医师染色放大内镜下胃癌识别能力的影响研究

目的评估人工智能（artificial intelligence,AI）辅助胃癌诊断系统在实时染色放大内镜视频中对内镜医师识别胃癌能力的影响。方法回顾性收集2017年3月—2020年1月武汉大学人民医院和公开数据集中的早期胃癌和非癌染色放大内镜图片作为训练集和独立测试集,其中训练集包括4 667张图片（1 950张早期胃癌和2 717张非癌）,测试集包括1 539张图片（483张早期胃癌和1 056张非癌）。利用深度学习进行模型训练。前瞻性收集2020年6月9日—2020年11月17日来自北京大学肿瘤医院和武汉大学人民医院的100例患者的染色放大内镜视频（包含38例癌和62例非癌）作为视频测试集。纳入来自另外4家医院的4名不同年资内镜医师,分2次（无或有AI辅助）对视频测试集进行诊断,评估AI对内镜医师判断胃癌能力的影响。结果无AI辅助时,内镜医师诊断视频测试集中胃癌的准确率、敏感度和特异度分别为81.00%±4.30%、71.05%±9.67%和87.10%±10.88%;在AI辅助下,内镜医师辨认胃癌的准确率、敏感度和特异度分别为86.50%±2.06%、84.87%±11.07%和87.50%±4.47%,诊断准确率（P=0.302）和敏感度（P=0.180）较无AI辅助时均有提升。AI在视频测试集中辨认胃癌的准确率为88.00%（88/100）,敏感度为97.37%（37/38）,特异度为82.26%（51/62）,AI的敏感度高于内镜医师平均水平（P=0.002）。结论AI辅助诊断系统是染色放大内镜模式下辅助诊断胃癌的有效工具,可提高内镜医师对胃癌的诊断能力。它能实时提醒内镜医师关注高风险区域,以降低漏诊率。     

增强放大内镜对早期胃癌的诊断价值

目的评价冰醋酸．靛胭酯增强的放大内镜（ME-AIM）和窄带成像增强的放大内镜（ME—NBI）对早期胃癌的诊断价值。方法对普通白光内镜（WLE）依据黏膜形态或色泽发生异常改变筛查出的317处局灶性病变先后行ME—NBI和ME-AIM检查,以活检病理学诊断结果为金标准,统计分析各种检查方法诊断早期胃癌的准确性。结果对于早期胃癌的诊断,ME—NBI的敏感度、特异度和准确率分别为100．0％（11／11）、99．7％（305／-306）和99．7％（316／317）,ME-AIM分别为90．9％（10／11）、99．0％（303／306）”和98．7％（313／317）,WLE分别为72．7％（8／11）、88．2％（270／306）和87．7％（278／317）。ME—NBI和ME．AIM诊断早期胃癌的特异度和准确率显著高于wLE,差异均有统计学意义（P〈0．05）;尽管ME-NBI‘和ME=AIM诊断早期胃癌的敏感度也高于WLE,但差异无统计学意义（P〉0．05）。而ME-NBI与ME—AIM在诊断早期胃癌的敏感度、特异度和准确率方面差异均无统计学意义（P〉0．05）。结论wLE仍然是早期胃癌筛查首选的检查方法。ME-NBI和ME-AIM均能提高诊断的准确性,且两者诊断价值相似。     

深度学习技术对胃肠道间质瘤与平滑肌瘤超声内镜图像的鉴别诊断价值

目的　尝试构建基于深度学习技术的胃肠道间质瘤（gastrointestinal stromal tumors,GISTs）与平滑肌瘤（leiomyomas,LM）超声内镜图像分类模型,并验证其鉴别诊断价值。方法　回顾性纳入2014年10月至2021年10月在苏州大学附属第二医院接受超声内镜检查且经外科手术或内镜下切除后病理确诊的69例GISTs和73例LM病例,每例病例选取1张清晰且有典型病变的超声内镜图片,利用留出法将每种疾病图片按训练集图片数比验证集图片数为8∶2的比例分入训练集和验证集,最终由113张（55张GISTs和58张LM）超声内镜图片组成训练集,由29张（14张GISTs和15张LM）超声内镜图片组成验证集,训练集用于对深度学习模型进行训练与优化,验证集用于对分类模型进行验证,主要观察指标包括鉴别诊断的灵敏度、特异度、阳性预测值、阴性预测值和准确率。结果　利用Resnet 34网络结构建立的分类模型对GISTs与LM进行鉴别诊断的准确率趋于0.89,较Resnet 50网络结构建立的分类模型（0.81）的分类性能更佳。基于Resnet 34网络结构构建的分类模型对验证集中超声内镜图片进行鉴别诊断的灵敏度、特异度、阳性预测值、阴性预测值和准确率分别为85.71%（12/14）（95%CI：67.38%~100.00%）、93.33%（14/15）（95%CI：80.71%~100.00%）、92.31%（12/13）（95%CI：77.82%~100.00%）、87.50%（14/16）（95%CI：71.30%~100.00%）和89.66%（26/29）（95%CI：78.57%~100.00%）。结论　深度学习技术用于GISTs与LM超声内镜图像的鉴别诊断是可行的,可为临床医师对两者的鉴别提供辅助诊断意见。基于Resnet 34网络结构建立的深度学习模型对GISTs与LM超声内镜图像进行鉴别诊断的准确性较高。     

智能染色内镜对早期胃癌的诊断价值探讨

目的探讨富士能智能染色内镜（FICE）在早期胃癌中的诊断价值。方法2010年2月至2011年3月经普通胃镜检查后疑似早期胃癌的患者67例,分别行电子放大内镜、FICE染色放大内镜、靛胭脂染色放大内镜检查。对疑似病灶的胃黏膜腺管及微血管形态的清晰程度进行评分比较,并对疑似部位进行靶向活检,比较3种内镜诊断早期胃癌的敏感度、特异度以及与病理组织学的符合率。结果67例患者中,经病理组织学检查诊断为早期胃癌17例。FICE染色放大内镜与电子放大内镜、靛胭脂染色放大内镜在观察腺管结构显示方面差异无统计学意义（P〉0．05）。在观察微血管形态方面,FICE染色放大内镜明显好于电子放大内镜、靛胭脂染色放大内镜（P〈0．05）。在诊断早期胃癌的敏感度、特异度以及与病理组织学的符合率方面,FICE染色放大内镜分别为94．1％（16／17）、98．0％（49／50）、97．0％（65／67）,靛胭脂染色放大内镜分别为88．2％（15／17）、96．0％（48／50）、94．0％（63／67）,电子放大内镜分别为58．8％（10／17）、84．0％（42／50）、77．6％（52／67）,FIEC染色放大内镜均明显高于电子放大内镜（P〈0．05）,且均与靛胭脂染色放大内镜相近（P〉0．05）。结论FICE染色放大内镜可以更方便地提供清晰的血管图像,有助于早期胃癌的诊断,提高活检检查的准确率。     

基于深度学习的人工智能辅助诊断在食管早癌中的应用

目的 构建人工智能食管早癌辅助诊断系统,旨在提高临床食管早癌的检出率。 方法 收集复旦大学附属中山医院2016年1月至2017年12月共2 400张食管图像,食管早癌、正常食管黏膜各1 200张,对图片中病变位置进行矩形框标记。将其中2 000张图片作为训练集、400张图片作为测试集,通过计算机深度学习中的反向传播算法建立食管早癌的诊断辅助模型。利用测试集来测试训练得到的模型,计算不同截断点系统的灵敏度及特异度,绘制受试者工作特征曲线（ROC曲线）,评价诊断模型的性能指标。 结果 辅助诊断模型的ROC曲线下面积（AUC）值达0996 1,灵敏度及特异度均令人满意。 结论 本研究构建的深度学习模型用于食管早癌的诊断具有较好的特异度、敏感度和AUC值,可在临床检查中辅助内镜医师进行实时诊断。     

超声微探头联合环扫超声内镜对食管黏膜下病变与纵隔病变鉴别诊断的应用价值

目的评价环扫超声内镜联合超声微探头对食管黏膜下病变与纵隔病变鉴别诊断的意义。方法回顾分析吉林大学中日联谊医院53例由于胃镜或CT等影像学检查发现不能明确来源的表现为食管隆起性病变患者,首先行超声微探头检查,明确大致起源后换用环扫超声内镜检查,综合两者结果做出诊断并与CT结果进行比较。结果超声内镜与CT诊断食管黏膜下病变的敏感度分别为90．9％（20／22）、50．0％（11／22）,特异度分别为93．5％（29／31）、83．9％（26／31）;诊断非侵袭性纵隔病变的敏感度分别为91．7％（22／24）、70．8％（17／24）,特异度分别为93．1％（27／29）、62．1％（18／29）;诊断侵袭性纵隔病变敏感度及特异度两者均为100．0％。结论超声微探头联合环扫超声内镜对食管黏膜下病变与纵隔病变的诊断与鉴别诊断有重要意义,尤其对食管黏膜下病变与非侵袭性纵隔病变其诊断的特异度与敏感度显著高于CT检查。     

基于YOLO算法和ResNet深度卷积神经网络的结直肠息肉检测（含视频）

目的 构建一个基于YOLO算法和ResNet网络的自动检测结直肠息肉的深度卷积神经网络（deep convolutional neural network,DCNN）模型,并测试其功能。 方法 选取武汉大学人民医院消化内镜中心数据库2018年1月—2019年3月的肠镜图像及视频并分为3个数据集（数据集1、3、4）,另以公共数据集CVC-ClinicDB（由西班牙巴塞罗那医院提供的29个结肠镜检查视频中提取的612帧息肉图像组成）作为数据集2。数据集1（2018年1—11月的肠息肉图像3 700张,无息肉图像1 000张）用于DCNN模型构建、训练与验证;数据集2和数据集3（2019年1—3月的肠息肉图像320张,无息肉图像400张）用于DCNN模型在图像中的测试;数据集4（2018年12月肠镜视频15个,包含33个息肉）,用于DCNN模型在视频中的测试。主要观察DCNN模型检测肠息肉的敏感度、特异度、准确率和假阳性率。 结果 DCNN模型在数据集2中检测肠息肉的敏感度为93.19%（602/646）;在数据集3中检测肠息肉的准确率为95.00%（684/720）,敏感度为98.13%（314/320）,特异度为92.50%（370/400）,假阳性率为7.50%（30/400）;在数据集4中检测息肉逐息肉个数的敏感度为100.00%（33/33）,逐帧准确率为96.29%（133 840/138 998）,逐帧敏感度为90.24%（4 066/4 506）,逐帧特异度为96.49%（129 774/134 492）,逐帧假阳性率为3.51%（4 718/134 492）。 结论 构建的DCNN模型可用于自动检测结直肠息肉,在静止肠镜图像及肠镜视频中均具有较高的敏感度与特异度,且在视频中测试的假阳性率低,可用于帮助内镜医师检测结直肠息肉。     

基于深度学习的超声内镜分站和胰腺分割识别系统

目的 尝试构建1个基于深度学习的内镜超声检查（endoscopic ultrasonography,EUS）质量控制系统,并验证其价值。 方法 从武汉大学人民医院消化内镜中心数据库中,回顾性收集2016年12月—2019年12月间的269个EUS检查资料,分为：（1）用于训练模型的训练数据集A,包含205个检查,其中16 305张图像用于分类训练,1 953张图像用于分割训练;（2）用于评估模型性能的测试数据集B,包含44个检查,其中1 606张图像用于分类验证,480张图像用于分割验证;（3）用于内镜医师与模型进行比较的数据集C,包含20个检查,共150张图像。EUS专家（具有10年以上的EUS操作经验）甲和乙通过讨论对训练集A和测试集B、C的所有图像进行分类和标注,其结果用作金标准。EUS专家丙和高年资EUS医师（具有5年以上的EUS操作经验）丁、戊对数据集C中的图像进行分类和标注,其结果用于与深度学习模型进行比较。主要观察指标包括分类的准确率、分割的Dice（F1指数）和一致性分析的Kappa系数。 结果 在测试数据集B中,模型分类的平均准确率为94.1%,胰腺分割的平均Dice为0.826,血管分割的平均Dice为0.841。在数据集C中,模型的分类准确率达到90.0％,专家丙、高年资医师丁和戊分别为89.3％、88.7％和87.3％;模型的胰腺和血管分割Dice系数分别为0.740和0.859,专家丙分别为0.708和0.778,高年资医师丁分别为0.747和0.875,高年资医师戊分别为0.774和0.789,模型与专家的水平相当。一致性分析结果显示,模型与内镜医师之间达成了较好的一致性（Kappa系数分别为：模型与专家丙间0.823、模型与高年资医师丁间0.840、模型与高年资医师戊间0.799）。 结论 基于深度学习的EUS分站和胰腺分割识别系统可以用于胰腺EUS的质量控制,具有与EUS专家相当的分类和分割识别水平。     

窄带成像内镜下NICE分型对结直肠肿瘤的诊断价值

目的探讨采用非放大内镜的简化的窄带成像技术（NBI）内镜下分型系统（NICE分型）在内镜诊断结直肠肿瘤中的应用价值。方法对结肠镜检查发现的181处结直肠新生性病变进行NBI内镜检查,观察病变的颜色、微血管结构及表面结构,依据NICE分型标准预测病变性质,并与内镜下或外科手术切除后标本的病理结果进行对比分析。结果NBI内镜下NICE总体分型诊断结直肠肿瘤的总体敏感度、总体特异度、总体阳性预测值、总体阴性预测值和总体准确率分别为95．8％（114／119）、91．9％（57／62）、95．8％（114／119）、91．9％（57／62）和94．5％（171／181）;对微小息肉（≤0．5cm）、小息肉（〉0．5—0．9em）和大息肉（〉0．9Cm）诊断的准确率分别为90．0％（72／80）、95．9％（47／49）和98．1％（51／52）,差异无统计学意义（P=0．175）;诊断直乙结肠微小肿瘤的敏感度、特异度、阳性预测值、阴性预测值和准确率分别为87．5％（14／16）、95．2％（20／21）、93．3％（14／15）、90．9％（20／22）和91．9％（34／37）。结论依据NICE分型标准使用高分辨率NBI能够较好区分结直肠肿瘤性和非肿瘤性病变,基本可以满足临床需要。     

State of knowledge of helminth fauna of freshwater fishes of Poland

A total 89 fish and lamprey species has been recorded from Polish freshwater habitats. Twenty-seven of them (30.3%) have not been surveyed for parasitic helminthes. Some of the latter fishes are either rare or not easily accessible. Other live only in specific habitats in scattered localities. An important obstacle for studying parasite faunas of some fishes may be their status on an endangered species. Among the non-surveyed fishes, are those which have been relatively recently introduced to Poland or migrated there on their own. The present paper attempts to review all hitherto not studied helminthologically fish species, their habitats, localities and current protection status.     

高血压降压治疗目标的再认识

根据传统的高血压水平的定义,1993年WHO高血压治疗指南提出血压控制目标为<140/90mm Hg(1mm Hg=0.133kPa),但是并非所有患者都必须将血压降至同一水平,而应根据患者情况进行个体化治疗。Framingham进行的一项长达10～12年的心血管事件研究发现,第5年后,正常上限血压[收缩压(SBP     

Lack of correlation of degree of villous atrophy with severity of clinical presentation of coeliac disease

BACKGROUND AND AIM: Both the clinical presentation and the degree of mucosal damage in coeliac disease vary greatly. In view of conflicting information as to whether the mode of presentation correlates with the degree of villous atrophy, we reviewed a large cohort of patients with coeliac disease. PATIENTS AND METHODS: We correlated mode of presentation (classical, diarrhoea predominant or atypical/silent) with histology of duodenal biopsies and examined their trends over time. RESULTS: The cohort consisted of 499 adults, mean age 44.1 years, 68% females. The majority had silent coeliac disease (56%) and total villous atrophy (65%). There was no correlation of mode of presentation with the degree of villous atrophy (p=0.25). Sixty-eight percent of females and 58% of males had a severe villous atrophy (p=0.052). There was a significant trend over time for a greater proportion of patients presenting as atypical/silent coeliac disease and having partial villous atrophy, though the majority still had total villous atrophy. CONCLUSIONS: Among our patients the degree of villous atrophy in duodenal biopsies did not correlate with the mode of presentation, indicating that factors other than the degree of villous atrophy must account for diarrhoea in coeliac disease.