论文部分内容阅读
目的
构建和验证一个用于早期胃癌自动识别的深度学习模型，旨在提高早期胃癌的识别和诊断水平。
方法从长海医院消化内镜中心数据库选取2014年5月至2016年12月期间5 159张胃镜图像，其中包括早期胃癌1 000张，良性病变及正常图像4 159张。首先选取4 449张图像(其中早期胃癌图像768张，其他良性病变及正常图像3 681张)用于深度学习模型的训练。然后将剩余的710张图像用于模型的验证，同时再交给4名内镜医师进行诊断。最后统计相关结果。
结果深度学习模型用于早期胃癌诊断的准确率89.4%(635/710)、敏感度88.8%(206/232)、特异度89.7%(429/478)，每张图像的诊断时间为(0.30±0.02)s，均优于相比较的4名内镜医师。
结论本研究构建的深度学习模型用于早期胃癌的诊断具有较高的准确率、特异度和敏感度，可在胃镜检查中辅助内镜医师进行实时诊断。