我國人工智能新突破!安翰科技研發的深度卷積神經網絡模型取得突破性進展

2019年10月24日23:55:57 武漢江漢炫機通訊官網 144 views 網絡整理
摘要

安翰科技將人工智能技術應用于小腸疾病的臨床識別,取得突破性進展。該研究成果文章Gastroenterologist-LevelIdentifica

原標題:我國人工智能新突破!安翰科技研發的深度卷積神經網絡模型取得突破性進展 診斷小腸疾病敏感率高達99.9%

  安翰科技將人工智能技術應用于小腸疾病的臨床識別,取得突破性進展。該研究成果文章Gastroenterologist-Level Identification of Small-Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Model(譯名《使用深度學習模型的膠囊內窺鏡對小腸疾病和黏膜正常改變的胃腸病專家級臨床識別》)(1)于2019年10月作為封面文章在國際消化領域頂級期刊Gastroenterology(譯名《胃腸病學》,影響因子19.233,RANK=1)上發表,標志著消化內科又添新助手,有望極大程度地改變小腸疾病的診斷模式,為臨床醫生與患者帶來福音。

  消化內科又添新助手人工智能算法可大幅提升閱片時間

  最近,深度學習算法在醫療領域的應用備受關注。據報道,一種基于深度學習的人工智能(AI)模型在皮膚癌分類方面的表現與皮膚科醫生相當。(2)此外,深度學習模型在結腸鏡檢查圖像視頻中實時鑒別腺瘤性和增生性小型結腸息肉的能力也已經得到驗證。而本文中關于小腸疾病識別的臨床研究,也正是基于深度學習的AI模型來區分異常圖像和正常圖像。(3)

  《使用深度學習模型的膠囊內窺鏡對小腸疾病和黏膜正常改變的胃腸病專家級臨床識別》一文由華中科技大學同濟醫學院附屬協和醫院侯曉華教授、藺蓉教授團隊研究,第一作者為華中科技大學同濟醫學院附屬協和醫院消化內科丁震教授、施慧英醫師。由于安翰科技在膠囊內鏡數據影像數據分析以及深度學習模型研究、深度學習算法實現上為這篇論文做出了重要貢獻,安翰科技的3位技術專家作為該文章共同作者出現。

  不同于傳統應用的胃鏡及腸鏡,小腸疾病是傳統內鏡和影像學檢查的難點,膠囊內鏡的應用是小腸疾病的重要診療方式。然而,由于每例小腸膠囊內鏡檢查產生的視頻時長長達8-10個小時(平均20000-30000張采集圖片/例),每例患者將花費消化內科醫生1-2小時的時間逐一分析數據和診斷疾病,這大大增加了消化科醫生分析和診斷小腸疾病的時間成本。同時,高強度的人工讀片也會增加漏診率,大大限制了膠囊內鏡在小腸疾病臨床檢查中的廣泛應用。安翰科技人工智能技術的應用,基于CNN的算法將小腸膠囊內鏡的讀取時間縮短了93.9%,為5.9分鐘,有效輔助消化內科醫生診斷小腸膠囊內鏡圖像。

  人工智能訓練可提高檢出率挽救病人生命

  該項研究使用安翰科技ESView平臺在77個醫學體檢中心進行,患者均行安翰磁控膠囊內鏡檢查。該系統由三部分組成:膠囊內窺鏡、數據記錄儀和帶有實時查看和控制軟件的計算機工作站。

  安翰膠囊內窺鏡長27毫米,直徑11.8毫米,重4.8克,視野大于140°±10%。膠囊自由通過小腸,動態幀速率為0-2幀/秒。圖像以0.8幀/秒的平均速度被捕獲和記錄。每個視頻都是由連續的單個圖像/幀組成。視頻中的每一幅圖像或每一幀都被按圖像拍攝的順序標記上一個特定的數字,保存到一個文件夾中。

  該研究收集2016年7月至2018年7月期間6970名患者的小腸膠囊內鏡檢查圖片113,426,569張圖像,分別通過常規方法閱片、深度卷積神經網絡(CNNs)的人工智能圖像輔助閱讀模型。在CNN模型訓練階段,研究人員使用1970例患者的小腸檢查圖像建立模型;在模型驗證階段,數碼照相機,用5000例患者的小腸檢查圖像驗證模型。

  基于深度卷積神經網絡輔助閱片模型的驗證階段:在驗證階段,所有5000份記錄( 113,268,334張圖像)均由20 名經常進行小腸膠囊內窺鏡(SB-CE)檢査和評估的消化內科醫生通過傳統閱片和基于CNN的輔助閱片進行診斷。