监测上消化道盲区智能内镜影像分析系统的构建及验证

目的　构建监测上消化道盲区的智能内镜影像分析系统,并验证其监测性能。方法　回顾性收集武汉大学人民医院消化内镜中心2016—2020年的上消化道内镜图片87 167张（数据集1）,其中训练集75 551张,测试集11 616张;回顾性收集来自武汉大学人民医院消化内镜中心2016—2020年的咽部图片2 414张（数据集2）,其中训练集2 233张, 测试集181张。分别构建上消化道盲区监测27分类模型（模型1,区分图像为咽部、食管、胃腔等27个解剖学部位）、咽部盲区监测5分类模型（模型2,区分上颚、咽后壁、喉部、左梨状窝、右梨状窝）。基于数据集1、2对上述模型进行训练和图片测试,基于keras框架的EfficientNet‑B4、ResNet50、VGG16模型进行训练。进一步回顾性收集来自武汉大学人民医院消化内镜中心2021年的完整上消化道内镜检查视频30个,在视频中测试模型2盲区监测性能。结果　模型1在图片中识别上消化道27个解剖学部位准确率的横向对比结果显示,EfficientNet‑B4、ResNet50、VGG16在上消化道盲区监测27分类模型的平均准确率分别为90.90%、90.24%、89.22%,其中EfficientNet‑B4模型的表现最优,EfficientNet‑B4模型各个部位监测的准确率介于80.49%~97.80%。模型2在图片中识别咽部5个解剖学部位准确率的横向对比结果显示,EfficientNet‑B4、ResNet50、VGG16在咽部盲区监测5分类模型的平均准确率分别为99.40%、98.56%、97.01%,其中EfficientNet‑B4模型的表现最优,其各个部位监测的准确率介于96.15%~100.00%;模型2在视频中识别咽部5个解剖学部位的总体准确率为97.33%（146/150）。结论　基于深度学习构建的可监测上消化道盲区的智能内镜影像分析系统,耦合了咽部盲区监测及食管、胃腔、十二指肠盲区监测功能,在静止图像及视频中均具有较高识别准确率,有望应用于临床辅助医生实现上消化道视野全覆盖。