“消化内镜研究团队“成果在《Gastroenterology》上发表
人工智能在小肠疾病诊断领域取得突破性进展
发布时间:2019-07-11
访问次数:490
分享到:

    2019年6月25日,我院消化内科“消化内镜研究团队“成果在国际消化领域顶级期刊《Gastroenterology》(影响因子19.233,RANK=1)上发表,这也标志着人工智能在小肠疾病诊断领域取得突破性进展。

    经过四年多的努力,侯晓华教授、刘俊教授、丁震教授、蔺蓉教授团队尝试利用基于深度卷积神经网络(CNN)的人工智能图像辅助阅读模型来帮助消化内科医生进行小肠胶囊内镜图片的阅读。该CNN为基础的图像辅助阅读模型可有效区分正常的小肠胶囊内镜图片和可疑异常的小肠胶囊内镜图片。

    据悉,不同于传统应用的胃镜及肠镜,小肠疾病是传统内镜和影像学检查的难点。胶囊内镜的应用是小肠疾病的重要诊疗方式,然而由于每例小肠胶囊内镜检查产生的视频时长长达8-10个小时(平均20000-30000张采集图片/例),每例患者将花费消化内科医生1-2小时的时间逐一分析数据和诊断疾病,这大大增加了消化科医生分析和诊断小肠疾病的时间成本。同时高强度的人工读片也会增加漏诊率,大大限制了胶囊内镜在小肠疾病临床检查中的广泛应用。因此,积极寻求有效辅助消化内科医生诊断小肠胶囊内镜图像的工具具有重大的临床和社会价值。经过大样本验证,结果显示与传统的阅读模式相比,CNN为基础的图像辅助阅读模型可将平均诊断时间由96.6分钟/例下降到5.9分钟/例;可将平均人工读片数量由22654张/例下降到578张/例,同时可以将对小肠异常病灶检出的敏感性由74.57%提高至 99.88%。该研究成果不仅实现了胶囊内镜应用的智能辅助,更将可能极大程度的改变小肠疾病的诊断模式。

    该文章第一作者为丁震教授、施慧英医师。华中科技大学同济医学院附属协和医院为唯一第一作者及通讯作者单位。(施慧英,蔺蓉)

 

Reference:

Zhen Ding, Huiying Shi, Hao Zhang, Lingjun Meng, Mengke Fan, Chaoqun Han, Kun Zhang, Fanhua Ming, Xiaoping Xie, Hao Liu, Jun Liu, Rong Lin, Xiaohua Hou. Gastroenterologist-level Identification of Small Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-learning Model. Gastroenterology. 2019 Jun 25. 
相关阅读:
友情链接
微信服务号二维码
微信订阅号二维码
Copyrights © 2002-2015 All Rights Reserved. 医院地址:湖北省武汉市解放大道1277号 邮编:430022 鄂ICP备 05004666  
医院总机:027-85726114