目的:以人工智能深度学习的方法,构建基于YOLOv5l模型的内镜图像早期食管癌及癌前病变的识别模型,以提高内镜下早期食管癌及癌前病变的诊断水平。方法:收集2019年6月至2021年7月中国医学科学院肿瘤医院1 126例患者的白光成像(WLI)、窄带光成像(NBI)和卢戈液染色(LCE)的内镜食管图像13 009幅,包括低级别上皮内瘤变、高级别上皮内瘤变、限于黏膜层的食管鳞癌、良性食管病变及正常食管。通过计算机随机函数方法,分为训练集(1 025例患者的11 547幅图像)和验证集(101例患者的1 462幅图像)。以训练集训练、构建YOLOv5l模型,以验证集验证该模型,同时由2名高年资和2名低年资内镜医师分别对验证集进行诊断,比较YOLOv5l模型与内镜医师的诊断结果。结果:在验证集中,YOLOv5l模型在WLI、NBI和LCE模式下诊断早期食管癌及癌前病变的准确度、灵敏度、特异度、阳性预测值(PPV)和阴性预测值(NPV)分别为96.9
作者:王士旭;柯岩;刘雨蒙;刘思瑶;宋世博;贺舜;张月明;窦利州;刘勇;刘旭东;伍海锐;苏飞雄;张凤英;张玮;王贵齐
来源:中华肿瘤杂志 2022 年 44卷 5期