基于深度学习人工智能在结肠镜检查中应用研究

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。