基于深度学习人工智能在结肠镜检查中应用研究

作者：阿依木克地斯·亚力孔; 庄惠军; 蔡世伦; 牛雪静; 谭伟敏; 颜波; 姚礼庆; 周平红; 钟芸诗^*

来源：中国实用外科杂志, 2020, 40(03): 353-357.

DOI：10.19538/j.cjps.issn1005-2208.2020.03.28

• 结肠镜检查
• 深度学习
• 人工智能
• 质量控制
• 结肠息肉

目的构建人工智能辅助的结肠镜质量评估算法及肠息肉形态分类算法,客观评估肠镜检查质量、息肉形态,实现结肠镜检查的规范化和统一化。方法收集复旦大学附属中山医院2018年1月至8月,共18 962张肠镜图片。其中7140张用于肠镜质量评估算法建立,11 822张用于肠息肉形态分类算法建立。把肠镜图像作为卷积神经网络(CNN)的输入,端到端训练卷积神经网络,实现肠镜图像的分类任务,从而建立算法。其中包括3个模型:(1)肠道准备质量评分(四分类)。(2)回盲瓣的识别(二分类)。(3)无蒂和有蒂息肉的分类(二分类)。结果肠镜质量评估模型对回盲瓣识别的准确率为95.27%,受试者工作特征(ROC)曲线下的面积(AUC)为0.9769,对基于波士顿评分标准四分类的图像的识别总精度为76.96%。肠息肉形态分类模型的AUC值为0.8695。结论该深度学习模型用于肠镜检查质量的评估和肠息肉形态学的分类,具有良好的特异度、敏感度和AUC值,可辅助医师对肠镜检查质量进行评价,并对肠息肉进行分类,实现规范化和统一化。

• 单位
  厦门大学附属第一医院; 复旦大学附属中山医院; 复旦大学