目的:评估利用深度卷积神经网络（deep convolutional neural network，DCNN）构建的人工智能技术在上消化道内镜检查部位识别中的应用价值。方法:收集中国医学科学院肿瘤医院2019年1月—2021年6月间的21 310张上消化道内镜图片，其中19 191张图片用于深度学习构建部位识别模型，其余2 119张图片用于验证。比较两种DCCN网络构建的模型在上消化道30个部位识别上的性能差异，一种是由Inception-ResNetV2（ResNetV2）构建的传统的ResNetV2模型，另一种是由Inception-ResNetV2 and Squeeze-Excitation Networks（RESENet）构建的混合神经网络RESENet模型，主要观察指标包括识别准确率、灵敏度、特异度、阳性预测值和阴性预测值。结果:ResNetV2模型识别上消化道30个部位的准确率、灵敏度、特异度、阳性预测值和阴性预测值分别为94.62
作者：王士旭；柯岩；楚江涛；贺舜；张月明；窦利州；刘勇；刘旭东；刘雨蒙；伍海锐；苏飞雄；彭烽；王美玲；张凤英；王琳；张玮；王贵齐
来源：中华消化内镜杂志 2023 年 40卷 3期
