基于卷积神经网络的人工智能技术在早期胃癌识别中的应用

作     者：吴宏博 姚幸雨 曾丽莎 黄访 陈磊 WU Hongbo;YAO Xingyu;ZENG Lisha;HUANG Fang;CHEN Lei

作者机构：陆军军医大学第一附属医院消化科重庆400038 

出 版 物：《第三军医大学学报》 (Journal of Third Military Medical University)

年 卷 期：2021年第43卷第18期

页      面：1735-1742页

核心收录：

学科分类：1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100214[医学-肿瘤学] 10[医学] 

主　　题：卷积神经网络 人工智能 胃癌 

摘      要：目的构建及验证一个用于早期胃癌识别的卷积神经网络模型,旨在提高早期胃癌的检出率。方法从陆军军医大学西南医院内镜中心数据库收集2016年1月至2020年8月的电子胃镜图片和胃镜检查视频。选取928例患者共5 496张包含早期胃癌、良性病变和正常的图片。随机分为训练集(662例患者共4 167张包含早期胃癌、良性病变和正常的图片),验证集(259例患者共1 329张包含早期胃癌、良性病变和正常的图片)用于模型和4名内镜医师进行识别,最后统计相关结果。再从模型识别出的胃早癌图片中随机选取458张用作模型定位准确度的分析,分析模型框出病灶面积与内镜专家标注面积的重合度。将34例胃部内镜检查视频用于模型进行实时识别,模型识别出的视频病灶图片经内镜专家审核后,得出模型识别早期胃癌的灵敏性指标。结果模型用于早期胃癌的识别灵敏度和阳性预测值(PPV)分别是90.33%,95.41%,识别慢性浅表性胃炎、胃息肉和胃溃疡等良性病变的灵敏度和PPV均超过80%,单张识别时间为(0.04±0.005)s。在对早癌的检出率和诊断时间方面,模型均优于内镜医师组;经卡方检验,在早癌病灶的识别上优于内镜医师组。在模型准确定位方面,模型识别重合度达到60%以上的图片张数有380张,占总数82.97%;就形态而言,模型对隆起型病灶定位最准确,不同规格重合度(重合度≧60%、重合度≧70%)的图片数都多于平坦和凹陷型病灶。在视频验证实验中,模型从19处胃早癌病灶中,正确识别出17处,灵敏度为89.5%,对早癌病灶的检出率与活检病理证实的早癌检出率吻合度较强,具有良好的一致性。结论本文搭建的卷积神经网络模型在识别早期胃癌和三种良性病变(慢性浅表性胃炎、胃息肉和胃溃疡)具有较高的灵敏度和阳性预测值,能精确定位早癌病灶位置和边界,同时还能对早期胃癌及良性病变进行动态识别,能在实际临床检查中辅助内镜医师提高早期胃癌检出率,提升诊断水平。