Transformer模型在上消化道部位识别中的临床应用

作者:张希钢; 白杨; 戴捷; 何顺辉; 赖春晓; 黄洁文; 江海洋
来源:现代消化及介入诊疗, 2021, 26(08): 990-992.
DOI:10.3969/j.issn.1672-2159.2021.08.012

摘要

目的验证深度学习新技术(Transformer模型)在上消化道部位识别的灵敏度及有效性,进一步为上消化道疾病、胃镜视频的识别提供基础。方法由2018年8月至2020年4月于南方医科大学南方医院、南方医科大学顺德医院等三甲医院收集胃镜图像21 782张,其中18 640张胃镜图像用于标注和Transformer模型训练,3142张胃镜图像用于验证阶段,设计实验组和对照组(人工常规标注),记录标注时间。结果验证阶段共有3 142张胃镜图像(7 282个部位标签),实验组整体准确度、特异度、整体有效度分别为83.4%、66.9%、77.8%,整体时间为9分30秒。对照组整体准确度、特异度、整体有效度分别为78.4%、68.9%、73.8%,整体时间为10小时15分30秒。结论实验组结果整体优于对照组,准确度和整体有效度具有明显优势,耗时实验组显著缩短。

全文