| 摘 要： | 目的通过开发一种基于卷积神经网络(convolutional neural network, CNN)的人工智能诊断模型,用于自动识别腺瘤和增生性息肉,以增加结直肠镜检查的统一性和客观性。方法回顾性收集南京医科大学第一附属医院内镜中心的白光内镜图像1 796张,其中正常结直肠图像692张,增生性息肉608张,腺瘤496张。在我们的分类系统上提出双流网络(dual-stream network),包括原始流和检测流,原始流的输入是完整的预处理肠镜图像,以用来学习全局特征,检测流重点关注病灶的局部特征。我们将数据集分为训练集、测试集和验证集进行10次交叉验证,以评估该方法的有效性。结果 CNN方法的正确率(accuracy)、准确率(precision)、召回率(recall)分别为96.9%、96.6%、96.7%,在正常肠镜图片、增生性息肉、腺瘤三类图像中的正确识别率分别为100%、95.1%和95.0%。结论 CNN系统对结直肠息肉的识别具有较高的特异性和灵敏性,可以帮助临床内镜医师快速诊断和识别结直肠息肉的类型。这表明我们的方法在临床上能够对肠息肉病变进行有效、准确、可靠的诊断。
|
