深度学习技术辅助诊断结直肠息肉的临床分析

• 作者: 周长宏 姜良慧 孙昕 孟欣颖 张荣秋 李雪桐
• 来源期刊: 胃肠病学
• 关键词: 深度学习 人工智能 肠息肉 诊断
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 论著
• 页码范围: 389-394
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1008-7125.2020.07.002

摘要

背景:基于深度学习技术的计算机辅助诊断已成为胃肠病学领域的研究热点,计算机辅助诊断结直肠息肉已引起越来越多的关注.目的:验证一个自动识别结直肠息肉的深度学习模型,分析该模型对新手内镜医师的辅助学习功能.方法:回顾性收集2019年1月—2020年1月青岛市市立医院东院内镜中心数据库中的结肠镜图像共1200张,其中结直肠息肉图像600张,正常结肠图像600张.以深度学习技术模型对1200张内镜图像进行验证,并比较该模型与5名新手内镜医师诊断结直肠息肉的敏感性、特异性、准确率、时间.结果:深度学习模型诊断结直肠息肉的敏感性为93.2％,特异性为98.7％,准确率为95.9％,每张图像的诊断时间为(0.20±0.03)s,模型的敏感性、准确率、诊断时间优于5名新手内镜医师,特异性优于部分新手内镜医师.当息肉≤5 mm或6～9 mm时,模型的准确率分别为88.1％、96.8％,优于5名新手内镜医师;当息肉≥10 mm时,模型的准确率为100％,与5名新手内镜医师无明显差异.模型识别隆起型息肉的准确率为94.8％,优于部分新手内镜医师;模型识别扁平型息肉的准确率为91.7％,优于5名新手内镜医师.扁平型息肉未能识别(38.8％)、黏膜皱襞处息肉(32.7％)、误认黏膜皱襞为息肉(12.2％)为模型假阴性或假阳性的主要原因.结论:深度学习模型对结直肠息肉的辅助诊断有较高的准确率、敏感性、特异性,且诊断时间较短,可辅助新手内镜医师识别小息肉和扁平型息肉.