检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于人工智能的结肠镜质量控制研究进展

中华消化内镜杂志 2023年第4期40卷 329-332页

作者：龚容容姚理文于红刚武汉大学人民医院消化内科、消化系统疾病湖北省重点实验室、湖北省消化疾病微创诊治医学临床研究中心武汉430060

近年来,人工智能技术在医学领域快速发展,并在多个领域取得了显著成就。人工评估结肠镜质量不仅浪费时间还存在主观偏差和错误,因此很难进一步提高腺瘤检出率,导致结直肠癌发生率仍然较高。人工智能技术在临床试验中表明,计算机辅助技... 详细信息

近年来,人工智能技术在医学领域快速发展,并在多个领域取得了显著成就。人工评估结肠镜质量不仅浪费时间还存在主观偏差和错误,因此很难进一步提高腺瘤检出率,导致结直肠癌发生率仍然较高。人工智能技术在临床试验中表明,计算机辅助技术有助于客观评估结肠镜质量,提高病变检出率。本文就人工智能技术在结肠镜质量控制中的相关研究进行系统性阐述。

关键词：人工智能结肠镜检查机器学习质量控制

智能消化内镜质控系统在结肠镜检查中的应用研究

在线全文

学校读者我要写书评

暂无评论

中华消化内镜杂志 2021年第10期38卷 795-800页

作者：于天成姚理文徐铭赵志峰中国医科大学附属第四医院消化内镜科沈阳110032 武汉大学人民医院消化内科 430060

目的评估智能消化内镜质控系统在结肠镜检查中的质量监控作用。方法根据纳入排除标准, 将来自武汉大学人民医院内镜中心的9名内镜医师按随机数字法随机分配到质控组和对照组。质控前阶段(2019年4月20日—2019年5月31日)收集入组内镜医... 详细信息

目的评估智能消化内镜质控系统在结肠镜检查中的质量监控作用。方法根据纳入排除标准, 将来自武汉大学人民医院内镜中心的9名内镜医师按随机数字法随机分配到质控组和对照组。质控前阶段(2019年4月20日—2019年5月31日)收集入组内镜医师进行的结肠镜检查资料。质控培训阶段(2019年6月1—30日)质控组内镜医师培训质控相关知识和智能消化内镜质控系统的使用说明;对照组内镜医师仅培训质控相关知识。质控后阶段(2019年7月1日—2019年8月20日)每周给质控组内镜医师反馈质控报告, 而对照组内镜医师无质控报告。收集两组内镜医师结肠镜检查资料。主要终点为腺瘤检出率, 次要终点为退镜时间、息肉检出率、达盲率。结果 9名内镜医师中, 质控组4名, 对照组5名。质控前阶段和质控后阶段共纳入结肠镜检查1 471例。质控组的腺瘤检出率及息肉检出率在质控后提高[13.7%(45/329)比7.1%(24/338),χ2=55.796, P<0.001;48.9%(161/329)比40.2%(136/338), χ2=4.071, P=0.044], 退镜时间较质控前增加[5.9(3.9, 7.3)min比4.1(2.8, 6.1)min, Z=6.965, P<0.001]。而对照组质控后阶段与质控前阶段以上指标比较差异均无统计学意义[9.3%(37/398)比9.1%(37/406),χ2=0.329, P=0.566;33.9%(135/398)比33.0%(134/496),χ2=3.616, P=0.057;3.9(2.7, 6.1)min比3.6(2.6, 5.8)min, Z=1.355, P=0.175]。结论智能消化内镜质控系统结合审查和反馈模式可以实现对内镜医师结肠镜检查的质控作用, 并提高内镜医师的结肠镜检查质量。

关键词：结肠镜检查质量控制审查和反馈

胃癌高发病率国家人工智能辅助内镜筛查的成本⁃效果分析

在线全文

学校读者我要写书评

暂无评论

胃肠病学 2023年第9期28卷 513-521页

作者：谭霞姚理文张丽辉陈晨于红刚武汉大学人民医院消化内科 430060 消化系统疾病湖北省重点实验室湖北省消化疾病微创诊治医学临床研究中心人工智能内镜介入诊疗湖北省工程研究中心武汉大学公共卫生学院

背景:早期胃癌黏膜病变轻微,常规内镜检查漏诊率较高。人工智能(AI)系统可辅助识别胃肿瘤性病变,降低漏诊率,但AI辅助内镜筛查是否具有成本⁃效果优势尚不清楚。目的:评价在胃癌高发病率国家(中国、日本和韩国)应用国产AI系统——智能实... 详细信息

背景:早期胃癌黏膜病变轻微,常规内镜检查漏诊率较高。人工智能(AI)系统可辅助识别胃肿瘤性病变,降低漏诊率,但AI辅助内镜筛查是否具有成本⁃效果优势尚不清楚。目的:评价在胃癌高发病率国家(中国、日本和韩国)应用国产AI系统——智能实时内镜分析装置(IREAD)辅助内镜筛查胃癌的成本⁃效果。方法:基于胃癌发展的自然史构建Markov模型,以不进行筛查作为对照方案,比较常规内镜筛查和IREAD辅助内镜筛查在推荐筛查年龄人群中的成本⁃效果。模型所需的胃癌自然史概率、内镜参数、医疗成本等数据来源于已发表的文献。通过计算成本、质量调整生命年(QALY)和增量成本⁃效果比(ICER),从社会角度分析各筛查策略的成本⁃效果。结果:10万人模拟队列分析结果显示,在中国进行常规内镜筛查和IREAD辅助内镜筛查分别能避免19.23%和24.52%的胃癌相关死亡,效果与日本相似;两种策略在韩国则分别能避免46.46%和53.15%的胃癌相关死亡。IREAD辅助内镜筛查在中日韩三国均为最佳胃癌筛查方案,ICER分别为34827.33、87979.19和10574.32美元/QALY,均低于当地支付意愿的阈值。结论:在胃癌高发病率国家,推荐筛查年龄人群应用AI辅助内镜进行胃癌筛查与常规内镜筛查相比具有更优的成本⁃效果。本研究为国产AI系统在东亚地区胃癌筛查项目中的推广应用提供了重要依据。

关键词：胃肿瘤人工智能内镜检查筛查成本⁃效果分析

深度学习技术在辅助结直肠腺瘤浸润深度鉴别中的应用研究

在线全文

学校读者我要写书评

暂无评论

中华消化内镜杂志 2023年第7期40卷 534-538页

作者：许祐铭姚理文卢姿桦于红刚武汉大学人民医院消化内科消化疾病湖北省重点实验室武汉430060

目的研究深度学习技术在肠镜电子染色模式下辅助内镜医师鉴别结直肠腺瘤浸润深度的价值。方法回顾性收集2016年11月-2021年6月武汉大学人民医院、南方医科大学深圳医院和宜昌市第一人民医院的3 714个病例的13 246张电子染色图像, 构建... 详细信息

目的研究深度学习技术在肠镜电子染色模式下辅助内镜医师鉴别结直肠腺瘤浸润深度的价值。方法回顾性收集2016年11月-2021年6月武汉大学人民医院、南方医科大学深圳医院和宜昌市第一人民医院的3 714个病例的13 246张电子染色图像, 构建深度学习模型, 对结直肠腺瘤的黏膜下深层浸润和非深层浸润进行鉴别, 并在独立测试集与外部测试集中验证模型的性能。使用完整的测试集对比5名内镜医师与深度学习模型的诊断水平。前瞻性收集2021年1-6月来自武汉大学人民医院的35个高清内镜视频, 验证在模型辅助下内镜医师的诊断效果。结果该模型在图片测试集中的准确率93.08%(821/882), 约登指数0.86, 优于内镜医师[最高者分别为91.72%(809/882)和0.78]。在视频中该模型的准确率达97.14%(34/35), 约登指数0.94。在模型辅助下, 内镜医师的准确率显著提升[最高者97.14%(34/35)]。结论本研究开发的基于深度学习的结直肠腺瘤浸润深度鉴别系统能够准确地识别黏膜下深层浸润病灶, 辅助内镜医师提升识别深层浸润病灶的准确率。

关键词：结直肠肿瘤机器学习人工智能肿瘤浸润诊断,计算机辅助

基于深度学习的内镜超声胆管扫查辅助分站系统构建

在线全文

学校读者我要写书评

暂无评论

中华消化内镜杂志 2022年第4期39卷 295-300页

作者：黄丽张军吴慧玲姚理文邓涛于红刚武汉大学人民医院消化内科消化疾病湖北省重点实验室武汉430060

目的构建基于深度学习的人工智能内镜超声(endoscopic ultrasonography,EUS)胆管扫查辅助分站系统,以期辅助医师学习多站成像技术,提高操作水平。方法回顾性收集武汉大学人民医院和武汉协和医院2016年5月—2020年10月522例EUS视频资料,... 详细信息

目的构建基于深度学习的人工智能内镜超声(endoscopic ultrasonography,EUS)胆管扫查辅助分站系统,以期辅助医师学习多站成像技术,提高操作水平。方法回顾性收集武汉大学人民医院和武汉协和医院2016年5月—2020年10月522例EUS视频资料,基于视频截取图像,获得来自武汉大学人民医院的3000张白光胃镜,31003张超声胃镜图像和来自武汉协和医院的799张超声胃镜图像,用于EUS胆管扫查系统的模型训练和模型测试。模型包括:白光胃镜图像过滤模型,标准站图像与非标准站图像区分模型和EUS胆管扫查标准图像分站模型,用以将标准图像分为肝窗、胃窗、球窗、降窗。然后从测试集中随机抽取110张图像进行人机大赛,比较专家、高级内镜医师与人工智能模型对胆管扫查多站成像每个站点识别的准确度。结果白光胃镜图像过滤模型准确率为100.00%(1200/1200),标准站图像与非标准站图像区分模型准确率为93.36%(2938/3147),EUS胆管扫查标准图像分站模型在内部测试集中各分类的准确率分别为肝窗97.23%(1687/1735),胃窗96.89%(1681/1735),球窗98.73%(1713/1735),降窗97.18%(1686/1735);外部测试集中准确率分别为肝窗89.61%(716/799),胃窗92.74%(741/799),球窗90.11%(720/799),降窗92.24%(737/799)。人机大赛中,模型分站的正确率为89.09%(98/110),高于内镜医师[85.45%(94/110),74.55%(82/110),85.45%(94/110)],接近专家水平[92.73%(102/110),90.00%(99/110)]。结论本研究构建了一种基于深度学习的EUS胆管扫查系统,可以较为准确地实时辅助内镜医师进行标准多站扫查,提高EUS完整性及操作质量。

关键词：人工智能深度学习内镜超声检查胆管多站成像技术

基于深度学习的超声内镜分站和胰腺分割识别系统

在线全文

学校读者我要写书评

暂无评论

中华消化内镜杂志 2021年第10期38卷 778-782页

作者：卢姿桦吴慧玲姚理文陈弟于红刚武汉大学人民医院消化内科消化系统疾病湖北省重点实验室湖北省消化疾病微创诊治医学临床研究中心430060

目的尝试构建1个基于深度学习的内镜超声检查(endoscopic ultrasonography, EUS)质量控制系统, 并验证其价值。方法从武汉大学人民医院消化内镜中心数据库中, 回顾性收集2016年12月—2019年12月间的269个EUS检查资料, 分为:(1)用于训练... 详细信息

目的尝试构建1个基于深度学习的内镜超声检查(endoscopic ultrasonography, EUS)质量控制系统, 并验证其价值。方法从武汉大学人民医院消化内镜中心数据库中, 回顾性收集2016年12月—2019年12月间的269个EUS检查资料, 分为:(1)用于训练模型的训练数据集A, 包含205个检查, 其中16 305张图像用于分类训练, 1 953张图像用于分割训练;(2)用于评估模型性能的测试数据集B, 包含44个检查, 其中1 606张图像用于分类验证, 480张图像用于分割验证;(3)用于内镜医师与模型进行比较的数据集C, 包含20个检查, 共150张图像。EUS专家(具有10年以上的EUS操作经验)甲和乙通过讨论对训练集A和测试集B、C的所有图像进行分类和标注, 其结果用作金标准。EUS专家丙和高年资EUS医师(具有5年以上的EUS操作经验)丁、戊对数据集C中的图像进行分类和标注, 其结果用于与深度学习模型进行比较。主要观察指标包括分类的准确率、分割的Dice(F1指数)和一致性分析的Kappa系数。结果在测试数据集B中, 模型分类的平均准确率为94.1%, 胰腺分割的平均Dice为0.826, 血管分割的平均Dice为0.841。在数据集C中, 模型的分类准确率达到90.0%, 专家丙、高年资医师丁和戊分别为89.3%、88.7%和87.3%;模型的胰腺和血管分割Dice系数分别为0.740和0.859, 专家丙分别为0.708和0.778, 高年资医师丁分别为0.747和0.875, 高年资医师戊分别为0.774和0.789, 模型与专家的水平相当。一致性分析结果显示, 模型与内镜医师之间达成了较好的一致性(Kappa系数分别为:模型与专家丙间0.823、模型与高年资医师丁间0.840、模型与高年资医师戊间0.799)。结论基于深度学习的EUS分站和胰腺分割识别系统可以用于胰腺EUS的质量控制, 具有与EUS专家相当的分类和分割识别水平。

关键词：人工智能质量控制胰腺内镜超声检查深度学习

基于深度学习的消化内镜检查辅助质量控制系统研究(含视频)

在线全文

学校读者我要写书评

暂无评论

中华消化内镜杂志 2021年第2期38卷 107-114页

作者：徐铭姚理文胡珊胡孝刘金柱于红刚武汉大学人民医院消化内科 430060 消化系统疾病湖北省重点实验室武汉430060 湖北省消化疾病微创诊治医学临床研究中心武汉430060 武汉楚精灵医疗科技有限公司 430070

目的构建智能消化内镜质控系统并评估其在胃肠镜检查中的质量监控作用。方法基于医学数字成像与通信协议,获取武汉大学人民医院消化内镜中心2016年12月—2018年10月胃肠镜检查患者的电子医疗记录和图像,采用深度卷积神经网络和深度强化... 详细信息

目的构建智能消化内镜质控系统并评估其在胃肠镜检查中的质量监控作用。方法基于医学数字成像与通信协议,获取武汉大学人民医院消化内镜中心2016年12月—2018年10月胃肠镜检查患者的电子医疗记录和图像,采用深度卷积神经网络和深度强化学习方法开发智能消化内镜质控系统。该系统运用回盲部识别模型、体内外图像识别模型以及胃的26个部位识别模型,监控达盲率、肠镜退镜时间、胃镜检查时间、胃镜检查覆盖部位数等质控指标。随机选取武汉大学人民医院消化内镜中心2019年3—11月83例胃镜检查和205例肠镜检查患者的图像,测试智能消化内镜质控系统质量控制功能的准确性。结果智能消化内镜质控系统由胃镜质量分析、肠镜质量分析组成,可随时自动生成包含各质控指标的内镜医师胃肠镜检查质控报告。该系统监控的达盲率、肠镜退镜时间、胃镜检查时间和胃镜检查覆盖部位数的准确率分别为92.5%(172/186)、91.7%(188/205)、100.0%(83/83)和89.3%(1928/2158)。结论智能消化内镜质控系统可实现胃肠镜检查的质量监控作用,以便内镜医师了解自身的工作情况,从而提升胃肠镜检查质量。

关键词：质量控制内窥镜检查,胃肠道人工智能深度卷积神经网络

基于深度学习的超声内镜下消化道黏膜下肿物诊断系统

在线全文

学校读者我要写书评

暂无评论

中华消化杂志 2022年第7期42卷 464-469页

作者：张晨霞李迅姚理文张军卢姿桦吴慧玲于红刚武汉大学人民医院消化内科武汉430060

目的构建基于深度学习的超声内镜下消化道黏膜下肿物(SMT)诊断系统,为诊断SMT提供帮助。方法纳入2019年1月1日至2021年12月15日于武汉大学人民医院消化内镜中心行超声内镜检查术(EUS)和内镜黏膜下剥离术的245例经病理诊断证实的SMT患者... 详细信息

目的构建基于深度学习的超声内镜下消化道黏膜下肿物(SMT)诊断系统,为诊断SMT提供帮助。方法纳入2019年1月1日至2021年12月15日于武汉大学人民医院消化内镜中心行超声内镜检查术(EUS)和内镜黏膜下剥离术的245例经病理诊断证实的SMT患者,共收集3400张EUS图像。选取2722张EUS图像用于训练病灶分割模型,2209张图像用于训练胃肠道间质瘤与平滑肌瘤病灶分类模型;分别选取283、191张图像作为独立测试集对病灶分割和分类模型进行评估;选取30张EUS图像作为独立数据集进行人机比赛以比较病灶分类模型与6名内镜医师的病灶分类准确度。采用交并比和Dice系数等指标评估病灶分割模型性能,采用准确度评估病灶分类模型性能。采用卡方检验进行统计学分析。结果病灶分割模型的平均交并比为0.754,Dice系数为0.835,精确率、召回率和F1指数分别为95.2%、98.9%和97.0%。在病灶分割的基础上,病灶分类模型的准确度由未分割时的70.2%提高至92.1%。人机比赛结果显示,分类模型鉴别胃肠道间质瘤与平滑肌瘤的准确度为86.7%(26/30),优于6名内镜医师中的4名医师[分别为56.7%(17/30)、56.7%(17/30)、53.3%(16/30)、60.0%(18/30)],差异均有统计学意义(χ^(2)=7.11、7.36、8.10、6.13,均P<0.05);另2名医师的分类准确度分别为76.7%(23/30)、73.3%(22/30),与模型比较差异均无统计学意义(均P<0.05)。结论该系统在将来有望用于超声内镜下SMT的辅助诊断,为后续治疗决策的选择提供有力依据。

关键词：深度学习超声内镜消化道黏膜下肿物诊断

人工智能超声内镜胆胰识别系统有效性的交叉试验

在线全文

学校读者我要写书评

暂无评论

中华消化内镜杂志 2023年第10期40卷 778-783页

作者：陈柏儒姚理文张丽辉卢姿桦吴慧玲于红刚武汉大学人民医院消化内科消化系统疾病湖北省重点实验室、湖北省消化疾病微创诊治医学临床研究中心武汉430060

目的探究人工智能超声内镜(artificial intelligence-endoscopic ultrasound,AI-EUS)胆胰识别系统用于辅助识别超声内镜检查术(endoscopic ultrasonography,EUS)图像的有效性。方法从武汉大学人民医院消化内科数据库前瞻性地纳入2019年12月—2020年8月期间因怀疑有胆胰系统疾病而接受EUS检查的受试者。28例受试者的28个视频用于胰腺标准站的识别;29例受试者的29个视频用于胆管标准站的识别。8名武汉大学人民医院消化内科的新手内镜医师在有AI-EUS胆胰识别系统辅助下和无辅助下,分别阅读了57例EUS视频。比较有AI-EUS胆胰识别系统与无AI-EUS胆胰识别系统辅助时,内镜医师对EUS胰腺和胆管标准站点识别的准确率。结果无AI-EUS辅助时,新手内镜医师对胰腺标准站识别准确率为67.2%(903/1344),有AI-EUS辅助时,准确率提高至78.4%(1054/1344);胆管标准站识别准确率由无辅助时的56.4%(523/928)提高至有辅助时的73.8%(685/928)。结论AI-EUS胆胰识别系统可提高内镜医师对胆胰系统超声内镜图像识别的准确率,可在临床工作中辅助诊断。

关键词：超声检查胆管疾病胰腺疾病深度学习交叉试验