基于卷积神经网络的喉镜图像解剖部位自动识别的研究

作     者：王美玲 朱继庆 李莹 铁成炜 王士旭 张玮 王贵齐 倪晓光 WANG Meiling;ZHU Jiqing;LI Ying;TIE Chengwei;WANG Shixu;ZHANG Wei;WANG Guiqi;NI Xiaoguang

作者机构：国家癌症中心、国家恶性肿瘤临床医学研究中心、中国医学科学院北京协和医学院肿瘤医院深圳医院内镜科深圳518116 国家癌症中心、国家恶性肿瘤临床医学研究中心、中国医学科学院北京协和医学院肿瘤医院内镜科 

出 版 物：《临床耳鼻咽喉头颈外科杂志》 (Journal of Clinical Otorhinolaryngology Head And Neck Surgery)

年 卷 期：2023年第37卷第1期

页      面：6-12页

核心收录：

学科分类：1002[医学-临床医学] 100213[医学-耳鼻咽喉科学] 10[医学] 

基　　金：深圳市“医疗卫生三名工程”项目(No:SZSM201911008) 中国癌症基金会北京希望马拉松专项基金(No:LC2021A04)。 

主　　题：卷积神经网络 人工智能 喉镜检查 解剖分类 质量控制 

摘      要：目的:探讨基于卷积神经网络(CNN)构建的人工智能(AI)质控系统对电子喉镜检查中的20个解剖站点的自动识别和分类情况。方法:回顾性收集中国医学科学院肿瘤医院内镜科2018年1月至12月电子喉镜检查的图像资料,采用Inception-ResNet-V2+SENet模型训练CNN。使用14 000张电子喉镜图像作为训练集,将这些图像分类到包含整个头颈部的20个具体解剖站点,并通过2000张喉镜图像和10个喉镜录像测试其性能。结果:训练后的CNN模型对每张喉镜图片识别的平均时间为(20.59±1.55) ms,对喉镜图像中20个解剖站点识别的总准确率为97.75%(1955/2000),平均敏感性、特异性、阳性预测值和阴性预测值分别为100%、99.88%、97.76%和99.88%。该模型对喉镜录像中20个解剖站点识别的准确率≥99%。结论:基于CNN的AI系统可对电子喉镜图片及录像中的解剖部位进行准确、快速的分类识别,可用于喉镜检查中照片文档的质量控制,在监督喉镜检查质量方面表现出应用潜力。