基于深度学习的图像识别技术在食管癌早期筛查中的应用研究

摘要

目的:探索基于深度学习的图像识别技术在食管癌早期筛查中的应用,从而为基层医生的临床内镜筛查工作提供辅助与参考,以提高基层医疗机构的服务质量和效率.方法:构建一种新的深度卷积神经网络(Deep Convolutional Neural Networks,DCNN),首先在ImageNet数据集上完成预训练,进而在食道白光内镜影像数据集上做迁移学习,自动提取疾病相关的病灶特征,完成对正常、反流性食管炎(Reflux Esophagitis,RE)和浅表性食管鳞状细胞癌(Esophageal Squamous Cell Carcinoma,ESCC)的分类建模.结果:食管癌早筛模型在独立测试集上的分类准确率达到89.83％,且模型对ESCC的敏感性(95.18％)和特异性(97.99％)明显高于资深内镜医生(分别为81.87％、95.62％).结论:人工智能辅助诊断系统对ESCC和反流性食管炎具有良好的诊断能力,可以在食管癌的早期发现中发挥重要作用.