期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度学习的人工智能辅助胃镜下实时识别病变及位置模型的建立
1
作者 郭宪 吴应洋 +5 位作者 江艾芮 樊超强 彭学 聂绪彪 林辉 柏健鹰 《局解手术学杂志》 2024年第10期849-854,共6页
目的构建一个基于深度学习的人工智能辅助诊断模型,用于实时动态识别胃镜下的胃部病变及位置,并评估其对胃部病变检出和位置识别的能力。方法回顾性分析我院104例患者的胃镜检查视频,对视频帧进行人工标注,将已标注的病变类别图片帧按8:... 目的构建一个基于深度学习的人工智能辅助诊断模型,用于实时动态识别胃镜下的胃部病变及位置,并评估其对胃部病变检出和位置识别的能力。方法回顾性分析我院104例患者的胃镜检查视频,对视频帧进行人工标注,将已标注的病变类别图片帧按8:2的比例划分成训练集与验证集,将已标注的位置类别图片帧根据患者来源按8:2的比例划分成训练集与验证集,分别用于模型的训练及验证。病变识别部分的训练采用YoloV4模型,位置识别部分的训练采用ResNet152模型。评估辅助诊断模型对病变识别的准确率、敏感度、特异度、阳性预测值、阴性预测值,及对位置识别的准确率。结果共标注图片68351帧,其中训练集图片54872帧,包括病变类别41692帧,位置类别13180帧;验证集图片13479帧,包括病变类别10422帧,位置类别3057帧。在验证集中,病变识别模型的总体准确率为98.8%,敏感度为96.6%,特异度为99.3%,阳性预测值为96.3%,阴性预测值为99.3%;位置识别模型top5总体准确率为87.1%。结论基于深度学习的人工智能辅助诊断模型用于实时动态识别胃镜下胃部病变及位置有较好的病变检出能力和位置识别能力,临床应用前景巨大。 展开更多
关键词 人工智能 胃部疾病 早期胃癌 深度学习 胃镜检查
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部