换一批基于Hill分级建立胃食管阀瓣功能自动评估的人工智能辅助系统
Establishment of Artificial Intelligence-Assisted System for Automatic Evaluation of Gastroesophageal Flap Valve Function Based on Hill Classification
摘要目的 利用深度学习技术开发基于Hill分级的人工智能模型,提升内镜医师对食管胃连接部形态的分类效率和准确性.方法 本研究采集了4个数据集,包括总计1143张胃食管瓣膜(Gastroesophageal Flap Valve,GEFV)图像和17个胃镜视频,涵盖Hill Ⅰ、Ⅱ、Ⅲ、Ⅳ级的GEFV图像.图像经过预处理和增强,利用基于卷积神经网络(Convolutional Neural Network,CNN)和Transformer架构的预训练模型进行迁移学习.评估模型性能时,考量准确度、精准度、召回率、F1得分等指标,并将其与内镜医师在不同阈值下的预测准确性进行对比.为增强模型透明度,采用多种可解释性分析技术,包括t-SNE、梯度加权分类激活映射(Grad-CAM)和SHAP技术.最终,模型被转化为开放神经网络交换(ONNX)格式,并部署到多种设备终端上,以实现GEFV形态的实时Hill分级.结果 EfficientNet-Hill模型的性能表现超越了其他6种CNN和Transformer模型,在外部测试集上的准确度达83.32%,略低于高级内镜医师(86.51%),但高于初级内镜医师(75.82%).另外,该模型在精准度、召回率和F1得分方面分别可达84.81%、83.32%和83.95%.模型在多终端设备部署后实现了超过50 fps的实时自动Hill分级.结论 利用深度学习构建EfficientNet-Hill人工智能模型,实现了针对GEFV形态的自动Hill分级,能够辅助内镜医师提升内镜下分级的诊断效率和准确性,促进Hill分级纳入常规内镜报告和全球胃食管反流病评估中.
更多相关知识
关键词
胃食管阀瓣深度学习卷积神经网络Hill分级可解释性分析技术人工智能辅助系统迁移学习gastroesophageal flap valvedeep learningconvolutional neural networksHill gradinginterpretable analysis techniqueartificial intelligence-assisted systemtransfer learning
栏目名称
DOI
10.3969/j.issn.1674-1633.2024.11.004
发布时间
2024-11-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
常熟市医药卫生科技计划项目（CSWS202316）
常熟市医学人工智能与大数据重点实验室能力提升项目（CYZ202301）
- 浏览13
- 被引0
- 下载10
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
