典型文献
面向病例的人工智能良恶性溃疡识别研究
文献摘要：
目的 建立基于深度学习的人工智能模型,通过对胃良、恶性溃疡及正常黏膜病例图片的学习,使其对良、恶性溃疡病例具有较高的识别能力,从而在一定程度上提高内镜医师的诊断水平,为胃癌的早期诊断提供极大的助力.方法 按照纳入和排除标准,共纳入病例3 238例,其中恶性胃溃疡、良性胃溃疡及正常胃的病例数分别为:747例、761例及1 730例.采用随机原则将原始病例按照大致8∶1∶1的比例分为训练集(正常病例1 380例,良性胃溃疡病例614例,恶性胃溃疡病例596例)、验证集(正常病例179例,良性胃溃疡病例75例,恶性胃溃疡病例70例)和测试集(正常病例171例,良性胃溃疡病例72例,恶性胃溃疡病例81例).建立基于多图片输入的efficientNet-b4深度学习模型对训练集及验证集中的病例进行训练,然后与2名经验丰富的内镜医师一起对测试集的324例病例进行识别,得出相关统计学指标,从而比较人工智能与内镜医师的对胃正常黏膜及良、恶性胃溃疡病例识别的诊断水平.结果 经验丰富内镜医师1、经验丰富内镜医师2及人工智能对病例识别的整体准确率分别为:92.09％、91.36％及95.06％,人工智能对病例识别的整体准确率要明显优于经验丰富的内镜医师.对于正常病例的识别,人工智能的灵敏度为98.25％,略低于两位内镜医师的99.42％和100％,但其阳性预测值为100％,优于其中一位医师的97.14％,与另一位医师的100％结果一样;对于良性胃溃疡病例的识别,人工智能的灵敏度和阳性预测值分别为:91.67％和86.84％,均优于两位经验丰富的内镜医师;对恶性胃溃疡病例的识别,人工智能的灵敏度和阳性预测值分别为:91.36％和92.50％,均优于两名经验丰富的内镜医师;人工智能及两名内镜医师对于良、恶性胃溃疡病例识别的灵敏度及阳性预测值都要明显低于其对正常病例的识别.结论 通过深度学习的人工智能模型对胃正常黏膜及良、恶性胃溃疡病例的识别的误诊要低于内镜医师;在良、恶性胃溃疡病例的识别方面,人工智能模型的误诊和漏诊也要优于经验丰富的内镜医师.但人工智能对于正常胃黏膜病例的识别的漏诊要高于内镜医师,且其对于良、恶性胃溃疡病例识别的漏诊和误诊也均要高于其对胃正常黏膜病例的识别,还需要进一步的完善,以优化人工智能对良、恶性胃溃疡病例的识别能力.
文献关键词：
人工智能;深度学习;良性胃溃疡;恶性胃溃疡;诊断
中图分类号：
作者姓名：
赖春晓;张希钢;白杨;李峰;戴捷;何顺辉;江海洋
作者机构：
510500 南方医科大学南方医院白云分院消化道肿瘤中心;518000 深圳市第二人民医院消化内科;518000 北京中医药大学深圳医院(龙岗)消化内科;215123 紫东信息科技(苏州)有限公司;528000 南方医科大学顺德医院消化内科;448200 湖北沙洋县中医医院消化内科
文献出处：
引用格式：
[1]赖春晓;张希钢;白杨;李峰;戴捷;何顺辉;江海洋-.面向病例的人工智能良恶性溃疡识别研究)[J].现代消化及介入诊疗,2022(01):31-35
A类：
efficientNet
B类：
良恶性,性溃疡,人工智能模型,识别能力,内镜,断水,胃癌,照纳,排除标准,恶性胃溃疡,良性胃溃疡,训练集,胃溃疡病,验证集,测试集,b4,深度学习模型,经验丰富,关统,略低于,阳性预测值,两名,误诊,漏诊,胃黏膜
AB值：
0.104938
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
