基于人工智能探究不同年资医师各肠段有效退镜时间对结肠镜检查质量的影响

1

作者 龚容容 姚理文 +1 位作者 吴练练 于红刚 《胃肠病学和肝病学杂志》 CAS 2023年第11期1219-1223,共5页

目的通过基于人工智能(artificial intelligence,AI)的结肠镜有效退镜时间计算系统,探究不同年资医师各肠段的有效退镜时间的阈值。方法回顾性收集在武汉大学人民医院就诊的760例患者肠镜视频,和对应的患者人口学信息、肠镜检查以及病... 目的通过基于人工智能(artificial intelligence,AI)的结肠镜有效退镜时间计算系统,探究不同年资医师各肠段的有效退镜时间的阈值。方法回顾性收集在武汉大学人民医院就诊的760例患者肠镜视频,和对应的患者人口学信息、肠镜检查以及病理报告,使用本项目组前期构建的计算系统智能化分析不同年资医师各肠段有效退镜时间,并研究其对结肠镜质量的影响。结果以人工测量有效退镜时间为金标准,AI辅助计算有效退镜时间的准确度为93.00%。不同年资医师各肠段有效退镜时间阈值分别为:(1)高年资医师:右半结肠段89.92 s,横结肠段92.73 s,左半结肠段150.06 s;(2)低年资医师:右半结肠段82.51 s,横结肠段131.57 s,左半结肠段180.21 s。当低年资医师右半结肠、横结肠以及左半结肠退镜时间分别大于82.51 s、137.57 s和180.21 s时,可显著提高低年资医师的腺瘤检出率(P<0.001)。结论建议低年资医师右半结肠、横结肠及左半结肠有效退镜时间至少为82.51 s、131.57 s和180.21 s,高年资医师各肠段有效退镜时间至少为89.92 s、92.73 s和150.06 s,结肠镜检查质量较优。 展开更多

关键词 人工智能 结肠镜检查质量 退镜时间

下载PDF 职称材料

NOP56在乳腺癌组织中的表达情况及对临床预后的意义 被引量：2

2

作者 曲杰 林萍萍 +2 位作者 吕喜英 吴练练 李青山 《生物信息学》 2019年第2期122-130,共9页

NOP56是一种与癌基因表达密切相关的核仁蛋白。本文通过对在线数据进行差异表达基因分析,发现NOP56在乳腺癌组织中高表达。再以NOP56的表达高低为表型,分析不同表型与临床预后的差异,结果表明NOP56高表达与乳腺癌不良临床病理参数和预... NOP56是一种与癌基因表达密切相关的核仁蛋白。本文通过对在线数据进行差异表达基因分析,发现NOP56在乳腺癌组织中高表达。再以NOP56的表达高低为表型,分析不同表型与临床预后的差异,结果表明NOP56高表达与乳腺癌不良临床病理参数和预后密切相关。通过富集分析获得NOP56的蛋白互作网络、计算共表达基因语义相似性。最后通过在线数据库获得NOP56及其共表达基因的的临床靶向药物放线菌素D(更生霉素)。这些结果为乳腺癌防治提供了潜在的新的预测指标,完善了临床靶向药物使用的分子机制,为靶向药物的临床使用提供依据和线索。 展开更多

关键词 乳腺癌 NOP56核糖核蛋白 生物信息学 预后 靶向药物

下载PDF 职称材料

基于卷积神经网络的辅助识别模型在白光内镜诊断慢性胃炎中的应用价值 被引量：1

3

作者 牛占岳 于红刚 +7 位作者 张静 朱益洁 慕刚刚 薛艳 李红艳 吴练练 王晔 丁士刚 《胃肠病学》 北大核心 2021年第12期738-743,共6页

背景:慢性萎缩性胃炎的准确诊断对于胃癌预防具有重要意义。卷积神经网络在消化内镜领域的潜力已得到证实。目的:基于卷积神经网络建立白光内镜诊断慢性胃炎的辅助识别模型,并评估其应用价值。方法:回顾性收集武汉大学人民医院和北京大... 背景:慢性萎缩性胃炎的准确诊断对于胃癌预防具有重要意义。卷积神经网络在消化内镜领域的潜力已得到证实。目的:基于卷积神经网络建立白光内镜诊断慢性胃炎的辅助识别模型,并评估其应用价值。方法:回顾性收集武汉大学人民医院和北京大学第三医院的慢性胃炎白光内镜图片作为训练集和测试集。辅助识别模型由Unet++和Resnet-50卷积神经网络构建,包括两层结构。采用ROC曲线评估Resnet-50卷积神经网络的诊断效能;采用Kappa一致性检验评估辅助识别模型和3名内镜医师的诊断结果与标准答案的一致性。结果:训练集含5200张慢性胃炎白光内镜图片,测试集含668张慢性胃炎白光内镜图片。Unet++对慢性胃炎病变的总体命中率为97.2%。Resnet-50卷积神经网络诊断慢性萎缩性胃炎的ROC曲线下面积为0.97,准确性、敏感性和特异性分别为90.0%、90.3%和89.6%。其对慢性萎缩性胃炎的诊断结果与标准答案具有高度一致性(κ=0.763),与内镜专家(κ=0.712,κ=0.698)水平相近,明显优于普通内镜医师(κ=0.585)。结论:本研究建立的基于卷积神经网络的辅助识别模型能为白光内镜诊断慢性胃炎提供有效帮助,具有良好的临床应用前景。 展开更多

关键词 卷积神经网络 辅助识别模型 白光内镜 慢性胃炎

下载PDF 职称材料

基于深度学习的内镜下胃黏膜多病灶辅助识别系统 被引量：3

4

作者 杜泓柳 董泽华 +4 位作者 吴练练 张军 张丽辉 李佳 于红刚 《兰州大学学报（医学版）》 2022年第1期5-8,共4页

目的开发一套基于深度学习的内镜下胃黏膜多病灶辅助识别系统并评估其识别胃黄斑瘤、糜烂、息肉、黏膜下隆起4种病灶的有效性。方法收集武汉大学人民医院消化内镜中心7388张图像作为训练与验证集,另筛选出900张图像作为测试集1;收集连... 目的开发一套基于深度学习的内镜下胃黏膜多病灶辅助识别系统并评估其识别胃黄斑瘤、糜烂、息肉、黏膜下隆起4种病灶的有效性。方法收集武汉大学人民医院消化内镜中心7388张图像作为训练与验证集,另筛选出900张图像作为测试集1;收集连续患者资料,筛选出1240张图像作为测试集2;收集另5家医院连续患者资料,筛选出6536张图像作为测试集3。分别在测试集1~3中评估该系统识别病灶效能和稳定性。结果系统在测试集1中诊断胃黄斑瘤、糜烂、息肉、黏膜下隆起的灵敏度分别为81.33%、88.00%、84.00%、88.67%,特异度分别为99.33%、93.11%、95.11%、93.11%,准确度分别为94.83%、91.83%、92.33%、92.00%;系统在测试集2、测试集3中诊断胃内4类病灶的综合准确度分别为82.39%、87.92%。结论人工智能系统对胃黄斑瘤、糜烂、息肉和黏膜下隆起具有良好的辅助诊断能力,可辅助内镜医师提高胃镜检查的质量。 展开更多

关键词 深度学习 内镜 多类别分类

下载PDF 职称材料

基于人工智能的肠道黏膜观察质量评估系统研究

5

作者 王君潇 姚理文 +5 位作者 吴练练 吴慧玲 宫德馨 张丽辉 龚容容 于红刚 《中华消化内镜杂志》 CSCD 北大核心 2024年第4期269-274,共6页

目的:建立基于人工智能的全面衡量肠道黏膜观察质量的监控系统,并探索该系统评分与腺瘤检出率(adenoma detection rate,ADR)之间的关系。方法:整合黏膜暴露程度评估模型、肠道准备评估模型、退镜速度监测模型3个模型,形成肠道黏膜观察... 目的:建立基于人工智能的全面衡量肠道黏膜观察质量的监控系统,并探索该系统评分与腺瘤检出率(adenoma detection rate,ADR)之间的关系。方法:整合黏膜暴露程度评估模型、肠道准备评估模型、退镜速度监测模型3个模型,形成肠道黏膜观察质量评估系统(MQnet)。MQnet评分(0~3分)由黏膜暴露程度评分(0~1分)、肠道准备评分(0~1分)、退镜速度评分(0~1分)相加得到。回顾性分析来自武汉大学人民医院2020年7月1日至10月15日的854例肠镜受试者的859个视频资料,计算每例次肠镜的MQnet评分。使用Spearman相关性分析,评估MQnet评分和ADR之间的关系。结果:MQnet统计的评分段为2.0~<2.1分、2.1~<2.2分、2.2~<2.3分、2.3~<2.4分、2.4~<2.5分、2.5~<2.6分6个分数段,每个分数段对应的肠镜例次数分别为50、109、150、223、191和88,每个分数段对应的ADR分别为18.0%(9/50)、21.1%(23/109)、20.7%(31/150)、22.4%(50/223)、27.7%(53/191)和28.4%(25/88)。MQnet评分与ADR之间存在显著的正相关(Spearman系数为0.943,P<0.010)。结论:MQnet评分通过三个维度反映了肠道黏膜的观察质量,其与ADR之间呈现正相关的趋势,可用于量化评估肠镜检查质量。 展开更多

关键词 人工智能 肠道黏膜观察质量 消化内镜质量控制 腺瘤检出率

原文传递

消化内镜人工智能辅助诊疗设备的成本效益分析

6

作者 李佳 吴练练 +4 位作者 杜代如 刘军 王青 骆孜 于红刚 《中华消化内镜杂志》 CSCD 2023年第3期206-211,共6页

目的以国内较为成熟的消化内镜人工智能辅助诊疗系统——内镜精灵为例,分析其成本效益,以期为医院购置决策提供客观有效的数据支撑。方法收集2017年1月—2019年12月武汉大学人民医院消化内镜中心的胃肠镜流量数据,用来预测内镜精灵使用... 目的以国内较为成熟的消化内镜人工智能辅助诊疗系统——内镜精灵为例,分析其成本效益,以期为医院购置决策提供客观有效的数据支撑。方法收集2017年1月—2019年12月武汉大学人民医院消化内镜中心的胃肠镜流量数据,用来预测内镜精灵使用年限(10年)内胃肠镜流量,并使用净现值法、投资回收期法及平均收益率法对内镜精灵的成本效益进行分析。结果单台内镜精灵在预期使用年限(10年)内净现值约达672.41万元,回收期为1.10年,平均收益率达到147.84%。结论内镜精灵具有显著的经济效益,医院购买成熟的消化内镜人工智能辅助诊疗设备是合理的。 展开更多

关键词 人工智能 消化内镜 辅助诊疗设备 成本效益分析

原文传递

人工智能胃镜检查辅助系统用于早期胃癌筛查的成本和效益分析

7

作者 黄丽 吴练练 +1 位作者 朱益洁 于红刚 《中华消化内镜杂志》 CSCD 2023年第12期1001-1005,共5页

目的比较使用人工智能(artificial intelligence,AI)胃镜检查辅助系统行胃早期癌筛查前后的成本和效益。方法回顾性收集2017年1月1日—2022年2月28日于武汉大学人民医院使用AI胃镜辅助系统前后的胃镜检查病例,统计使用前(无AI组)和使用... 目的比较使用人工智能(artificial intelligence,AI)胃镜检查辅助系统行胃早期癌筛查前后的成本和效益。方法回顾性收集2017年1月1日—2022年2月28日于武汉大学人民医院使用AI胃镜辅助系统前后的胃镜检查病例,统计使用前(无AI组)和使用后(AI组)的胃癌早期诊断率。以武汉大学人民医院收费标准和湖北省武汉市按疾病诊断相关分组付费支付标准2021年版本为参考进行费用估算。计算每10万例使用和不使用该系统两种情况下进行胃镜筛查的成本和效益及增量成本效益比。结果无AI组胃癌早期诊断率为28.81%(70/243),每10万例胃镜筛查成本为5459.80万元,胃早期癌医疗成本为22.18万元,总成本为5481.98万元;直接筛查效益为89.42万元,间接筛查效益为182.82万元,总效益为272.24万元。AI组胃癌早期诊断率为36.56%(366/1001),每10万例胃镜筛查成本为5344.00万元,胃早期癌医疗成本为31.58万元,总成本为5375.58万元;直接筛查效益为127.35万元,间接筛查效益为260.31万元,总效益为387.66万元。使用该系统可以降低总成本106.40万元/10万例,多产生115.42万元/10万例的直接和间接经济效益,增量成本效益比为-0.92。结论使用AI胃镜检查辅助系统进行胃早期癌筛查可以在降低医疗成本的同时提高筛查效益,建议在胃镜筛查工作中推广使用。 展开更多

关键词 胃肿瘤 人工智能胃镜检查辅助系统 胃早期癌 筛查 成本效益分析

原文传递

胃黏膜癌前状态及癌前病变的内镜下随访策略 被引量：2

8

作者 董泽华 许祐铭 +3 位作者 吴志丰 吴练练 李佳 于红刚 《中华消化内镜杂志》 CSCD 2023年第6期497-500,共4页

癌前状态或癌前病变是癌症的危险因素,对检出此异常的高危人群进行规律、高质量的内镜随访将对胃癌筛查和预防大有裨益。而不规律的随访或失访,将导致患者错过早期干预的时机,有可能导致不可挽回的结局。本文对各个国家地区针对癌前状... 癌前状态或癌前病变是癌症的危险因素,对检出此异常的高危人群进行规律、高质量的内镜随访将对胃癌筛查和预防大有裨益。而不规律的随访或失访,将导致患者错过早期干预的时机,有可能导致不可挽回的结局。本文对各个国家地区针对癌前状态及癌前病变的随访策略进行汇总,并作一综述。 展开更多

关键词 胃肿瘤 癌前状态 癌前病变 消化内镜 随访

原文传递

内镜人工智能诊断辅助系统对胃局灶性病变检出的应用(含视频)

9

作者 张梦娇 徐铭 +13 位作者 吴练练 王君潇 董泽华 朱益洁 何鑫琦 陶逍 杜泓柳 张晨霞 白宇彤 商任铎 李昊 匡浩 胡珊 于红刚 《中华消化内镜杂志》 CSCD 2023年第5期372-378,共7页

目的构建一个基于YOLO v3算法的实时人工智能诊断辅助系统,并评估其在胃镜检查中对胃局灶性病变检出的能力。方法回顾性收集武汉大学人民医院消化内镜中心2019年6—11月胃镜检查的白光内镜图像5488张(有、无胃局灶性病变的图像分别为273... 目的构建一个基于YOLO v3算法的实时人工智能诊断辅助系统,并评估其在胃镜检查中对胃局灶性病变检出的能力。方法回顾性收集武汉大学人民医院消化内镜中心2019年6—11月胃镜检查的白光内镜图像5488张(有、无胃局灶性病变的图像分别为2733张、2755张)及2020年5—6月期间92例行胃镜检查的受试者视频资料中288168个清晰胃帧用于人工智能辅助系统测试;前瞻性收集2020年7月6日—11月27日及2021年5月6日—8月2日于武汉大学人民医院消化内镜中心接受胃镜检查的3997例受检者的视频资料用于评估人工智能辅助系统在实际临床应用中的性能。当人工智能辅助系统识别到异常病灶时,以蓝色方框圈出病灶进行提示。对人工智能辅助系统识别胃局灶性病变的能力及其出现假阳性和假阴性的频率和原因进行统计分析。结果图像测试集中,人工智能辅助系统“提示病灶”的准确率、灵敏度、特异度、阳性预测值及阴性预测值分别为92.3%(5064/5488)、95.0%(2597/2733)、89.5%(2467/2755)、90.0%(2597/2885)和94.8%(2467/2603)。视频测试集中,人工智能辅助系统“提示病灶”的准确率、灵敏度、特异度、阳性预测值及阴性预测值分别为95.4%(274792/288168)、95.2%(109727/115287)、95.5%(165065/172881)、93.4%(109727/117543)和96.7%(165065/170625)。临床应用中,人工智能辅助系统对胃局灶性病变的检出率为93.0%(6830/7344)。共漏检胃局灶性病变514处,主要原因为微小糜烂灶(48.8%,251/514)、微小黄斑瘤(22.8%,117/514)和小息肉(21.4%,110/514)。平均每例上消化道内镜检查中,人工智能辅助系统的假阳性个数为2(1,4)个,主要原因为正常黏膜皱襞(50.2%,5635/11225)、气泡和黏液(35.0%,3928/11225)、胃底液体(9.1%,1021/11225)。结论在胃镜检查过程中应用人工智能辅助系统有助于胃局灶性病变的检出。 展开更多

关键词 人工智能 胃镜检查 诊断 胃局灶性病变

原文传递

基于人工智能的白光内镜下胃瘤性病变辅助诊断系统研究

10

作者 王君潇 董泽华 +8 位作者 徐铭 吴练练 张梦娇 朱益洁 陶逍 杜泓柳 张晨霞 何鑫琦 于红刚 《中华消化内镜杂志》 CSCD 2023年第4期293-297,共5页

目的评估基于人工智能的上消化道内镜影像辅助诊断系统(以下简称ENDOANGEL-LD)在白光下诊断胃病变和胃瘤性病变的效能。方法使用图片测试集和视频测试集分别测试ENDOANGEL-LD的诊断能力。图片测试集来自2019年6月-2019年9月武汉大学人... 目的评估基于人工智能的上消化道内镜影像辅助诊断系统(以下简称ENDOANGEL-LD)在白光下诊断胃病变和胃瘤性病变的效能。方法使用图片测试集和视频测试集分别测试ENDOANGEL-LD的诊断能力。图片测试集来自2019年6月-2019年9月武汉大学人民医院191例患者的805张胃病变(300张胃瘤性病变、505张非瘤性病变)图片和990张正常胃对照图片;视频测试集来自2020年11月-2021年4月武汉大学人民医院存储的78例患者的83个病灶视频(38个胃瘤性病变和45个非瘤性病变)。计算ENDOANGEL-LD诊断图片测试集的准确率、灵敏度和特异度等指标。比较ENDOANGEL-LD与4名内镜专家在视频测试集中诊断胃瘤性病变的准确率、灵敏度和特异度。结果在图片测试集中, ENDOANGEL-LD诊断胃病变的准确率、灵敏度和特异度分别为93.9%(1 685/1 795)、98.0%(789/805)和90.5%(896/990);诊断胃瘤性病变的准确率、灵敏度和特异度分别为88.7%(714/805)、91.0%(273/300)和87.3%(441/505)。在视频测试集中, ENDOANGEL-LD和4名专家总体诊断胃瘤性病变的准确率分别为81.9%(68/83)和72.0%(239/332), 灵敏度分别为100.0%(38/38)和 85.5%(130/152), 特异度分别为66.7%(30/45)和 60.6%(109/180)。ENDOANGEL-LD的灵敏度优于4名专家(χ^(2)=6.220, P=0.013), 准确率(χ^(2)=3.408, P=0.065)和特异度(χ^(2)=0.569, P=0.451)与4名专家相当。结论 ENDOANGEL-LD辅助诊断系统能够准确检测出胃病变并进一步诊断出胃瘤性病变, 可在临床工作中辅助内镜医师。 展开更多

关键词 人工智能 胃肿瘤 白光 胃瘤性病变

原文传递

基于深度学习的幽门螺杆菌人工智能辅助诊断系统研究

11

作者 张梦娇 吴练练 +4 位作者 邢达奇 董泽华 朱益洁 胡珊 于红刚 《中华消化内镜杂志》 CSCD 2023年第2期109-114,共6页

目的构建一套内镜下识别幽门螺杆菌(HelicobacterPylori,HP)感染多重特征的人工智能辅助诊断系统,并评估其在真实临床病例中的表现。方法回顾性收集2020年1月-2021年3月在武汉大学人民医院消化内镜中心同时间段行13C呼气试验和胃镜检查... 目的构建一套内镜下识别幽门螺杆菌(HelicobacterPylori,HP)感染多重特征的人工智能辅助诊断系统,并评估其在真实临床病例中的表现。方法回顾性收集2020年1月-2021年3月在武汉大学人民医院消化内镜中心同时间段行13C呼气试验和胃镜检查的1033例受检者资料,13C呼气试验阳性(定义为HP感染)为病例组(485例),13℃呼气试验阴性为对照组(548例)。将提示HP阳性和HP阴性的各类黏膜特征胃镜图像,以及以案例为单位的HP阳性和HP阴性病例胃镜图像以8:1:1的比例随机分配到训练集、验证集和测试集,基于卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory network,LSTM)开发一套识别HP感染的人工智能辅助诊断系统,其中,CNN可识别并提取每例患者内镜图像中的黏膜特征,生成特征向量,然后LSTM接收特征向量,综合判断HP感染状态。以灵敏度、特异度、准确率和受试者工作特征曲线下面积评估系统的诊断性能。结果该系统对结节样改变、萎缩、肠上皮化生、黄斑瘤、弥漫性发红+点状发红、黏膜肿胀+皱襞肿大蛇形+黏液白浊和HP阴性特征的诊断准确率分别为87.5%(14/16)、74.1%(83/112)、90.0%(45/50)、88.0%(22/25)、63.3%(38/60)、80.1%(238/297)和85.7%(36/42)。其综合判断患者HP感染的灵敏度、特异度、准确率和受试者工作特征曲线下面积分别为89.6%(43/48)、61.8%(34/55)、74.8%(77/103)和0.757,其诊断准确率与内镜医师白光下诊断HP感染的准确率相当(74.8%比72.1%,x^(2)=0.246,P=0.620)。结论本研究开发的系统在评估HP感染方面具有较好的诊断性能,可用于辅助内镜医师判断HP感染状态。 展开更多

关键词 幽门螺杆菌 内窥镜检查 人工智能 黏膜表现

原文传递

基于深度学习的良恶性胃溃疡人工智能辅助诊断系统研究 被引量：9

12

作者 黄丽 李艳霞 +5 位作者 吴练练 胡珊 陈奕云 张军 安萍 于红刚 《中华消化内镜杂志》 CSCD 北大核心 2020年第7期476-480,共5页

目的:构建人工智能辅助诊断系统,自动发现胃溃疡病灶,鉴别胃良性溃疡与恶性溃疡。方法:收集武汉大学人民医院消化内镜中心2016年11月—2019年4月拍摄的胃镜图片1885张,其中正常胃黏膜图片636张、良性胃溃疡图片630张、恶性胃溃疡图片61... 目的:构建人工智能辅助诊断系统,自动发现胃溃疡病灶,鉴别胃良性溃疡与恶性溃疡。方法:收集武汉大学人民医院消化内镜中心2016年11月—2019年4月拍摄的胃镜图片1885张,其中正常胃黏膜图片636张、良性胃溃疡图片630张、恶性胃溃疡图片619张。其中1735张为训练集,150张为测试集,分别将图片输入基于fastai框架的Res-net50模型、基于Keras框架的Res-net50模型和基于Keras框架的VGG-16模型进行训练。分别构建正常胃黏膜与良性溃疡、正常胃黏膜与恶性溃疡、良性与恶性溃疡3个单独的二元分类模型。结果:VGG-16模型表现出了最好的结果,验证集验证模型区分正常黏膜与良性溃疡、正常黏膜与恶性溃疡、良性与恶性溃疡的精确度分别为98.0%、98.0%和85.0%。结论:本研究获得的模型在发现溃疡病灶上具有较好的能力,有望应用于临床辅助溃疡病灶检出并鉴别良恶性溃疡。 展开更多

关键词 胃溃疡 内窥镜检查 人工智能 诊断 鉴别

原文传递

内镜黏膜下剥离术在早期大肠癌及癌前病变治疗中的价值 被引量：22

13

作者 吴露 周巍 +6 位作者 邓云超 杨冬梅 吴练练 魏肖 蒋泽营 于皆平 于红刚 《中华消化内镜杂志》 CSCD 北大核心 2018年第9期611-614,共4页

目的探讨内镜黏膜下剥离术（ESD）治疗大肠早期癌及癌前病变的安全性、有效性。方法回顾性分析2016年12月至2017年6月在武汉大学人民医院接受ESD治疗的108例大肠早期癌及癌前病变患者的临床资料，分析病灶特征、术后病理特征、术中与术... 目的探讨内镜黏膜下剥离术（ESD）治疗大肠早期癌及癌前病变的安全性、有效性。方法回顾性分析2016年12月至2017年6月在武汉大学人民医院接受ESD治疗的108例大肠早期癌及癌前病变患者的临床资料，分析病灶特征、术后病理特征、术中与术后并发症、术后随访等情况。结果108例患者均顺利完成ESD治疗，中位手术时间为45rain。术中穿孔3例（2．8％），术后无迟发性穿孔，术后迟发性出血3例（2．8％）。术后病理提示管状腺瘤41例（38．0％）、绒毛状腺瘤4例（3．7％）、绒毛状管状腺瘤39例（36．1％），其中伴有低级别上皮内瘤变41例（38．0％）、伴有高级别上皮内瘤变16例（14．8％）；腺癌19例（17．6％），包括高分化11例、中分化5例、低分化3例；其他病理类型5例（4．6％）。病灶均为完整切除，其中整块切除100例（92．3％）。术后平均随访时间为8．1个月，在此期间未发现复发病例。结论ESD治疗早期大肠癌及癌前病变是安全、有效的。完善术前评估，加强手术技能，分析术后病理特征及定期随访是提高ESD治疗质量的重要保障。 展开更多

关键词 结直肠肿瘤 风险评估 内镜黏膜下剥离术

原文传递

基于YOLO算法和ResNet深度卷积神经网络的结直肠息肉检测(含视频) 被引量：6

14

作者 李素琴 吴练练 +5 位作者 宫德馨 胡珊 陈奕云 朱晓芸 李夏 于红刚 《中华消化内镜杂志》 CSCD 北大核心 2020年第8期584-590,共7页

目的:构建一个基于YOLO算法和ResNet网络的自动检测结直肠息肉的深度卷积神经网络(deep convolutional neural network,DCNN)模型,并测试其功能。方法:选取武汉大学人民医院消化内镜中心数据库2018年1月—2019年3月的肠镜图像及视频并分... 目的:构建一个基于YOLO算法和ResNet网络的自动检测结直肠息肉的深度卷积神经网络(deep convolutional neural network,DCNN)模型,并测试其功能。方法:选取武汉大学人民医院消化内镜中心数据库2018年1月—2019年3月的肠镜图像及视频并分为3个数据集(数据集1、3、4),另以公共数据集CVC-ClinicDB(由西班牙巴塞罗那医院提供的29个结肠镜检查视频中提取的612帧息肉图像组成)作为数据集2。数据集1(2018年1—11月的肠息肉图像3 700张,无息肉图像1 000张)用于DCNN模型构建、训练与验证;数据集2和数据集3(2019年1—3月的肠息肉图像320张,无息肉图像400张)用于DCNN模型在图像中的测试;数据集4(2018年12月肠镜视频15个,包含33个息肉),用于DCNN模型在视频中的测试。主要观察DCNN模型检测肠息肉的敏感度、特异度、准确率和假阳性率。结果:DCNN模型在数据集2中检测肠息肉的敏感度为93.19%(602/646);在数据集3中检测肠息肉的准确率为95.00%(684/720),敏感度为98.13%(314/320),特异度为92.50%(370/400),假阳性率为7.50%(30/400);在数据集4中检测息肉逐息肉个数的敏感度为100.00%(33/33),逐帧准确率为96.29%(133 840/138 998),逐帧敏感度为90.24%(4 066/4 506),逐帧特异度为96.49%(129 774/134 492),逐帧假阳性率为3.51%(4 718/134 492)。结论:构建的DCNN模型可用于自动检测结直肠息肉,在静止肠镜图像及肠镜视频中均具有较高的敏感度与特异度,且在视频中测试的假阳性率低,可用于帮助内镜医师检测结直肠息肉。 展开更多

关键词 人工智能 YOLO算法 残差网络 结直肠息肉

原文传递

人工智能技术在结肠镜退镜速度实时监控中的应用 被引量：5

15

作者 朱晓芸 吴练练 +5 位作者 李素琴 李夏 张军 胡珊 陈奕云 于红刚 《中华消化内镜杂志》 CSCD 北大核心 2020年第2期125-130,共6页

目的构建一种基于计算机视觉的结肠镜退镜速度实时监控系统,并验证其可行性和性能。方法从武汉大学人民医院消化内镜中心数据库选取2018年5—10月期间的35938张肠镜图片和63个结肠镜检查视频。肠镜图片分成体外/体内/不合格和回盲部/非... 目的构建一种基于计算机视觉的结肠镜退镜速度实时监控系统,并验证其可行性和性能。方法从武汉大学人民医院消化内镜中心数据库选取2018年5—10月期间的35938张肠镜图片和63个结肠镜检查视频。肠镜图片分成体外/体内/不合格和回盲部/非盲肠两个数据集,分别从第一个、第二个数据集中选取3594张和2000张图片用于深度学习模型的测试,其余图片用于训练模型;选取3个结肠镜检查视频资料评价实时监控系统自动监控退镜速度的可行性,剩余60个结肠镜检查视频资料用于评估实时监控系统的性能。结果深度学习模型对于结肠镜检查图片分类识别体外/体内/不合格图片的准确率分别为90.79%(897/988)、99.92%(1300/1301)、99.08%(1293/1305),总体准确率为97.11%(3490/3594);分类识别回盲部/非盲肠图片的准确率分别为96.70%(967/1000)、94.90%(949/1000),总体准确率为95.80%(1916/2000)。在其可行性评价方面,3个结肠镜视频资料显示退镜速度与图片处理间隔时间呈线性关系,提示该监控系统可在结肠镜退出过程中自动监控退镜速度。在其性能评价方面,结肠镜退镜速度实时监控系统正确预测了所有60个肠镜检查的开始时间和结束时间,分析显示结肠镜平均退镜速度和退镜时间呈明显负相关(R=-0.661,P<0.001),退镜时间不足5 min、5~6 min和超过6 min视频的平均退镜速度的95%置信区间分别为43.90~49.74、40.19~45.43和34.89~39.11,故将39.11设为安全退镜速度,将45.43设为预警退镜速度。结论构建的结肠镜退镜速度实时监控系统可用于实时监控结肠镜退镜速度,可在结肠镜检查中辅助内镜医师进行实时监测,以提高结肠镜检查质量。 展开更多

关键词 质量控制 人工智能 结肠镜检查 退镜时间 退镜速度

原文传递

人工智能胃镜在盲区监测和自主图像采集中的应用研究 被引量：11

16

作者 李夏 吴练练 于红刚 《中华消化内镜杂志》 CSCD 北大核心 2019年第4期240-245,共6页

目的分析实时胃镜监控系统(即胃镜精灵)在胃镜检查中的盲区监测功能与自主图像采集功能。方法收集武汉大学人民医院消化内镜中心数据库2017年5月至2018年5月间的全部胃镜图像,根据入选排除标准,共选取38 522张胃镜图像训练和验证胃镜精... 目的分析实时胃镜监控系统(即胃镜精灵)在胃镜检查中的盲区监测功能与自主图像采集功能。方法收集武汉大学人民医院消化内镜中心数据库2017年5月至2018年5月间的全部胃镜图像,根据入选排除标准,共选取38 522张胃镜图像训练和验证胃镜精灵。利用计算机产生随机数的随机方法,选取91个胃镜检查视频资料评估胃镜精灵部位识别准确率,选取45个胃镜检查视频资料及内镜医师采集的与之相匹配的胃镜图像资料,比较机械采图与人工采图胃镜检查部位覆盖个数及覆盖率。邀请2位水平相当的内镜医师,收集使用胃镜精灵的医师1使用胃镜精灵前后分别完成的45个胃镜检查图像资料,收集不使用胃镜精灵的医师2同期分别完成的20、22个胃镜检查图像资料,比较两者胃镜检查部位覆盖率。结果胃镜精灵的部位识别总体准确率为85.125%(1 156/1 358)。使用胃镜精灵的医师1使用胃镜精灵前后胃镜检查部位覆盖率分别为(76.790±8.848)%和(87.325±7.065)%,未使用胃镜精灵的医师2相应时间段内胃镜检查部位覆盖率分别为(75.926±11.565)%和(75.253±14.662)%。使用胃镜精灵前,医师1和医师2水平相当(t=0.324,P=0.747);使用胃镜精灵后,医师1胃镜检查部位覆盖率高于使用前(t=6.222,P=0.001),亦高于同期医师2(t′=3.588,P=0.002)。机器采图的胃镜检查部位覆盖个数为(20.956±3.406)个,部位覆盖率为(77.613±12.613)%,人工采图分别为(15.467±2.296)个、(57.284±8.503)%。机器采图部位覆盖个数(t=11.523,P=0.000)与覆盖率(t=11,523,P=0.000)均高于人工采图。结论胃镜精灵可提高胃镜检查部位覆盖率及覆盖个数,改善传统胃镜检查时检查部位覆盖不全及采图不全面的情况。 展开更多

关键词 胃镜检查 人工智能 盲区监测 自主图像采集

原文传递

人工智能对内镜医师染色放大内镜下胃癌识别能力的影响研究 被引量：1

17

作者 王警 朱益洁 +8 位作者 吴练练 何鑫琦 董泽华 黄曼玲 陈一思 刘蒙 许庆洪 于红刚 吴齐 《中华消化内镜杂志》 CSCD 2021年第10期783-788,共6页

目的评估人工智能(artificial intelligence, AI)辅助胃癌诊断系统在实时染色放大内镜视频中对内镜医师识别胃癌能力的影响。方法回顾性收集2017年3月—2020年1月武汉大学人民医院和公开数据集中的早期胃癌和非癌染色放大内镜图片作为... 目的评估人工智能(artificial intelligence, AI)辅助胃癌诊断系统在实时染色放大内镜视频中对内镜医师识别胃癌能力的影响。方法回顾性收集2017年3月—2020年1月武汉大学人民医院和公开数据集中的早期胃癌和非癌染色放大内镜图片作为训练集和独立测试集, 其中训练集包括4 667张图片(1 950张早期胃癌和2 717张非癌), 测试集包括1 539张图片(483张早期胃癌和1 056张非癌)。利用深度学习进行模型训练。前瞻性收集2020年6月9日—2020年11月17日来自北京大学肿瘤医院和武汉大学人民医院的100例患者的染色放大内镜视频(包含38例癌和62例非癌)作为视频测试集。纳入来自另外4家医院的4名不同年资内镜医师, 分2次(无或有AI辅助)对视频测试集进行诊断, 评估AI对内镜医师判断胃癌能力的影响。结果无AI辅助时, 内镜医师诊断视频测试集中胃癌的准确率、敏感度和特异度分别为81.00%±4.30%、71.05%±9.67%和87.10%±10.88%;在AI辅助下, 内镜医师辨认胃癌的准确率、敏感度和特异度分别为86.50%±2.06%、84.87%±11.07%和87.50%±4.47%, 诊断准确率(P=0.302)和敏感度(P=0.180)较无AI辅助时均有提升。AI在视频测试集中辨认胃癌的准确率为88.00%(88/100), 敏感度为97.37%(37/38), 特异度为82.26%(51/62), AI的敏感度高于内镜医师平均水平(P=0.002)。结论 AI辅助诊断系统是染色放大内镜模式下辅助诊断胃癌的有效工具, 可提高内镜医师对胃癌的诊断能力。它能实时提醒内镜医师关注高风险区域, 以降低漏诊率。 展开更多

关键词 人工智能 胃癌 窄带光成像

原文传递

人工智能在我国消化内镜领域的研究现状与展望 被引量：6

18

作者 于红刚 姚理文 +4 位作者 陈弟 吴练练 董泽华 张丽辉 中华医学会消化内镜分会大数据协作组 《中华消化内镜杂志》 CSCD 2021年第10期765-773,共9页

近年来, 人工智能(artificial intelligence, AI)技术迅速发展, 并在医学多个领域掀起研究热潮, 展现了巨大的发展潜力, 有望为医疗领域带来革命性的变化。目前, 消化内镜领域AI的研究正如火如荼地开展, 已取得诸多可喜成果。本文就我... 近年来, 人工智能(artificial intelligence, AI)技术迅速发展, 并在医学多个领域掀起研究热潮, 展现了巨大的发展潜力, 有望为医疗领域带来革命性的变化。目前, 消化内镜领域AI的研究正如火如荼地开展, 已取得诸多可喜成果。本文就我国消化内镜AI的相关研究进行系统性阐述, 总结目前大数据协作组的工作情况, 并对消化内镜AI的挑战与展望进行了讨论。 展开更多

关键词 人工智能 消化内镜 深度学习 工作总结

原文传递

基于人工智能的自动内镜下病灶尺寸测量系统(含视频)

19

作者 王静 陈茜 +4 位作者 吴练练 周巍 张晨霞 罗任权 于红刚 《中华消化内镜杂志》 CSCD 2022年第12期965-971,共7页

目的开发一个基于人工智能的自动内镜下病灶尺寸测量系统,并测试其实时测量白光内镜下病灶尺寸的能力。方法测量系统由3个模型组成:首先由模型1识别视频的连续图片中有无活检钳,有钳者标记钳叶轮廓;随后由模型2对有钳图片进行分类,分为... 目的开发一个基于人工智能的自动内镜下病灶尺寸测量系统,并测试其实时测量白光内镜下病灶尺寸的能力。方法测量系统由3个模型组成:首先由模型1识别视频的连续图片中有无活检钳,有钳者标记钳叶轮廓;随后由模型2对有钳图片进行分类,分为张钳图片和未张钳图片;与此同时,模型3识别视频的连续图片中有无病灶,有病灶者标记边界;最后系统根据活检钳钳叶轮廓与病灶边界的像素对比,实时计算出病灶尺寸。数据集1由回顾性收集的武汉大学人民医院2017年1月1日—2019年11月30日4835张图片组成,用于模型的训练和验证;数据集2由前瞻性收集的武汉大学人民医院内镜中心2019年12月1日—2020年6月4日检查拍摄的图片组成,用于测试模型分割活检钳边界和病灶边界的能力;数据集3由151个模拟病灶的302张图片组成,每个模拟病灶包括活检钳倾斜角度较大(与病灶垂直线夹角45°)和倾斜角度较小(与病灶垂直线夹角10°)情况下的图片各1张,用于测试模型在活检钳不同状态下测量病灶尺寸的能力;数据集4为视频测试集,由前瞻性收集的武汉大学人民医院内镜中心2019年8月5日—2020年9月4日检查拍摄的视频组成。以内镜医师复核后结果或内镜手术病理作为金标准,观察模型1识别有无活检钳的准确率、模型2分类活检钳状态(张钳或未张钳)的准确率和模型3识别有无病灶的准确率,用交并比(intersection over union,IoU)评价模型1的活检钳钳叶分割效果和模型3的病灶分割效果,用绝对误差和相对误差评价系统的病灶尺寸测量能力。结果(1)数据集2共纳入1252张图片,有钳图片821张(其中张钳图片401张、未张钳图片420张)、无钳图片431张;包含病灶图片640张、不包含病灶图片612张。模型1判断无钳图片433张(430张准确)、有钳图片819张(818张准确),识别有无活检钳的准确率为99.68%(1248/1252),以818张模型1准确判断有钳图片的数据统计模型1的活检钳钳叶分割效果,平均IoU为0.91(95%CI:0.90~0.92)。使用模型1准确判断的818张有钳图片评价模型2的活检钳状态分类准确率,模型2判断张钳图片384张(382张准确)、未张钳图片434张(416张准确),模型2的活检钳状态分类准确率为97.56%(798/818)。模型3判断包含病灶图片654张(626张准确)、不包含病灶图片598张(584张准确),识别有无病灶的准确率为96.65%(1210/1252),以626张模型3准确判断有病灶图片的数据统计模型3的病灶分割效果,平均IoU为0.86(95%CI:0.85~0.87)。(2)数据集3中:活检钳倾斜角度较小状态下系统病灶尺寸测量的平均绝对误差为0.17 mm(95%CI:0.08~0.28 mm),平均相对误差为3.77%(95%CI:0.00%~10.85%);活检钳倾斜角度较大状态下系统病灶尺寸测量的平均绝对误差为0.17 mm(95%CI:0.09~0.26 mm),平均相对误差为4.02%(95%CI:2.90%~5.14%)。(3)数据集4共纳入59例患者的59个内镜检查视频的780张图片,系统病灶尺寸测量的平均绝对误差为0.24 mm(95%CI:0.00~0.67 mm),平均相对误差为9.74%(95%CI:0.00%~29.83%)。结论基于人工智能的自动内镜下病灶尺寸测量系统可以实现内镜下对病灶尺寸的准确测量,有望提高内镜医师对病灶尺寸估计的准确率。 展开更多

关键词 人工智能 内窥镜检查 消化系统 病灶尺寸

原文传递

基于深度学习的放大蓝激光成像和放大窄带成像模式下早期胃癌识别模型的诊断效果对比 被引量：8

20

作者 陈弟 蒋逍达 +3 位作者 何鑫琦 吴练练 于红刚 罗和生 《中华消化杂志》 CAS CSCD 北大核心 2021年第9期606-612,共7页

目的研制基于深度卷积神经网络的放大蓝激光成像(ME-BLI)和放大窄带成像(ME-NBI)模式下早期胃癌识别系统,比较2种模式下模型的性能差异,并探讨模型训练方式对准确度的影响。方法回顾性收集ME-BLI和ME-NBI下的胃良性病灶和早期胃癌的内... 目的研制基于深度卷积神经网络的放大蓝激光成像(ME-BLI)和放大窄带成像(ME-NBI)模式下早期胃癌识别系统,比较2种模式下模型的性能差异,并探讨模型训练方式对准确度的影响。方法回顾性收集ME-BLI和ME-NBI下的胃良性病灶和早期胃癌的内镜图像,共收集5个数据集和3个测试集:数据集1包括2024张非癌和452张早期胃癌ME-BLI图片,数据集2包括2024张非癌和452张早期胃癌ME-NBI图片,数据集3是数据集1和2的合集(共4048张非癌、904张早期胃癌ME-BLI和ME-NBI图片),数据集4在数据集2的基础上增加62张非癌和2305张早期胃癌ME-NBI图片(共2086张非癌和2757张早期胃癌ME-NBI图片),数据集5在数据集3的基础上增加62张非癌和2305张早期胃癌ME-NBI图片(共4110张非癌、3209张早期胃癌ME-BLI和ME-NBI图片);测试集A包括422张非癌和197张早期胃癌ME-BLI图片,测试集B包括422张非癌和197张早期胃癌ME-NBI图片,测试集C是测试集A和测试集B的合集(共844张非癌、394张早期胃癌ME-BLI和ME-NBI图片)。根据5个数据集分别构建5个模型,分别评估其在3个测试集中的表现。通过以病灶为单位的视频测试,比较ME-NBI和ME-BLI模式下早期胃癌识别模型在临床环境下的性能差异,并与4名资深内镜医师进行比较。主要终点指标为早期胃癌的诊断准确度、灵敏度和特异度。采用卡方检验进行统计学分析。结果模型1在测试集A的表现最佳,准确度、灵敏度、特异度分别为76.90%(476/619)、63.96%(126/197)、82.94%(350/422);模型2在测试集B的表现最佳,准确度、灵敏度和特异度分别为86.75%(537/619)、92.89%(183/197)、83.89%(354/422);模型3在测试集B中的表现最佳,准确度、灵敏度和特异度分别为86.91%(538/619)、84.26%(166/197)、88.15%(372/422);模型4在测试集B的表现最佳,准确度、灵敏度和特异度分别为85.46%(529/619)、95.43%(188/197)、80.81%(341/422);模型5在测试集B的表现最佳,准确度、灵敏度和特异度分别为83.52%(517/619)、96.95%(191/197)、77.25%(326/422)。根据图片识别早期胃癌,模型2~5的准确度均高于模型1,差异均有统计学意义(χ^(2)=147.90、149.67、134.20、115.30,P均<0.01);模型2和3的灵敏度和特异度均高于模型1,模型2的特异度低于模型3,差异均有统计学意义(χ^(2)=131.65、64.15、207.60、262.03、96.73,P均<0.01);模型4和5的灵敏度均高于模型1~3,模型4和5的特异度均低于模型1~3,差异均有统计学意义(χ^(2)=151.16、165.49、71.35、112.47、132.62、153.14,176.93、74.62、14.09、15.47、6.02、5.80,P均<0.05)。以病灶为单位的视频测试结果显示,医师1~4的平均准确度为68.16%;模型1~5的准确度分别为69.47%(66/95)、69.47%(66/95)、70.53%(67/95)、76.84%(73/95)和80.00%(76/95)。模型1~5之间、模型1~5与医师1~4之间的准确度比较差异均无统计学意义(P均>0.05)。结论基于深度学习的ME-BLI早期胃癌识别模型具有较好的准确度,但诊断效果略差于ME-NBI模型;ME-NBI联合ME-BLI早期胃癌识别模型的诊断效果优于单独模式下的模型;增加ME-NBI图片数量,尤其是早期胃癌图片,可以提高ME-NBI模型的灵敏度,但特异度有所下降。 展开更多

关键词 深度学习 放大窄带成像技术 放大蓝激光成像技术 早期胃癌

原文传递