基于卷积神经网络的喉镜图像解剖部位自动识别的研究

作者：王美玲; 朱继庆; 李莹; 铁成炜; 王士旭; 张玮; 王贵齐; 倪晓光^*

来源：临床耳鼻咽喉头颈外科杂志, 2023, 37(01): 6-12.

DOI：10.13201/j.issn.2096-7993.2023.01.002

• 卷积神经网络
• 人工智能
• 喉镜检查
• 解剖分类
• 质量控制

目的:探讨基于卷积神经网络(CNN)构建的人工智能(AI)质控系统对电子喉镜检查中的20个解剖站点的自动识别和分类情况。方法:回顾性收集中国医学科学院肿瘤医院内镜科2018年1月至12月电子喉镜检查的图像资料，采用Inception-ResNet-V2+SENet模型训练CNN。使用14 000张电子喉镜图像作为训练集，将这些图像分类到包含整个头颈部的20个具体解剖站点，并通过2000张喉镜图像和10个喉镜录像测试其性能。结果:训练后的CNN模型对每张喉镜图片识别的平均时间为(20.59±1.55) ms,对喉镜图像中20个解剖站点识别的总准确率为97.75%(1955/2000),平均敏感性、特异性、阳性预测值和阴性预测值分别为100%、99.88%、97.76%和99.88%。该模型对喉镜录像中20个解剖站点识别的准确率≥99%。结论:基于CNN的AI系统可对电子喉镜图片及录像中的解剖部位进行准确、快速的分类识别，可用于喉镜检查中照片文档的质量控制，在监督喉镜检查质量方面表现出应用潜力。

• 单位
  中国医学科学院北京协和医学院