基于人工智能深度学习算法辅助诊断早期ESCC的研究

摘要

目的 探讨基于人工智能(artificial intelligence, AI)深度学习算法的内镜识别系统在胃镜诊疗过程中对早期ESCC检出率的研究。方法 选取中国人民解放军联勤保障部队第九八八医院、中国人民解放军联勤保障部队第九八四医院及中国人民解放军联勤保障部队第九八〇医院三个消化内镜中心2018年6月至2020年6月早期ESCC、ESCC、食管隆起性病变以及食管憩室的白光图像、碘染色图像。通过训练和验证不同的目标检测模型和实例分割模型，最终选取表现最优的目标检测模型Yolov 5和实例分割模型Yolact++共同构建AI“嵌合模型”,评估该模型诊断早期ESCC的性能。结果 AI“嵌合模型”对早期ESCC诊断的敏感度为95.60%,特异度为91.60%,准确率为90.70%,均优于单模型。结论 本研究构建的AI“嵌合模型”可显著提高早期ESCC的检出率。

关键词

人工智能 / 深度学习 / 实例分割 / 食管鳞状细胞癌 / 碘染色

基金资助

河南省医学科技攻关计划科研项目(LHGJ20190881)