应用卷积神经网络的人工智能技术在早期食管癌诊断中的临床分析

摘要

cqvip:目的验证一个由卷积神经网络的人工智能系统技术模型,从而提高临床白光内镜下早期食管癌的诊断水平。方法回顾性方便收集2016年7月—2018年8月期间吉林市人民医院内镜中心数据库中2 120张食道图像,其中包括早期食管癌288张,良性病变及正常图像1 832张。首先通过腾讯觅影人工智能系统技术模型对该2 120张图像进行验证,同时在交给4名内镜医师进行诊断,最后分析统计结果。结果卷积神经网络人工智能模型用于早期食管癌的准确率为88.4%(1 875/2 120)、敏感度89.6%(258/288)、特异度88.3%(1 617/1 832),每张图像的诊断时间为(0.25±0.03)s,均优于4名内镜医师。结论该实验证明由卷积神经网络技术建立的人工智能模型对食管癌诊断有较高的准确率、敏感度、特异度,可在临床白光内镜中辅助内镜医师进行诊断。