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