首页 今日头条正文

rtx,我国人工智能新打破!安翰科技研制的深度卷积神经网络模型获得打破性发展,鸵鸟

原标题:我国人工智能新打破!安翰科技研发的深度卷积神经网丁汉白络模型取得打破性开展 确诊小肠疾病灵敏率高达99.9%

  安翰科技将人工智能技能运用于小肠疾病的临床辨认,取得打破性开展。该研讨成果文章Gastroenterologist-Level Identification of Small-Bowel unintendDiseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Mo顾彦深del(译名《运用深度学习模智鑫商务型的胶囊内窥镜对小肠疾病和黏膜正常改动的胃肠病专家级临床辨认》rtx,我国人工智能新打破!安翰科技研发的深度卷积神经网络模型取得打破性开展,鸵鸟)(1)于2019年10月作为封面文章在世界消化范畴尖端期刊Gastroenterology(译名《胃肠病学》,影响因子19.233,RANK=1)上宣布,标志着消化内科又添新帮手,有望极大程度地改动小肠疾病的确诊形式,为临床医师与患者带来福音淘格格。

  消化内科又添新帮手人工智能算法可大幅进步阅片时刻

  最近,深度学习算法在医疗范畴的运用备受重视。据报道,一种根据深度学习的人工智能(AI)模型在皮肤癌分类方面的体现与皮肤科医师适当。(2)此外,深度学习模型在结肠镜查看星游文娱登录图画视频中实时辨别腺瘤性和增生性小型结肠息肉的才能也现已得到验证。而本文中关于小肠疾病辨认的临床研讨,也正是根据深度学习的AI模型来区别反常图画和正常图画。(3)

  《运用深度学习模型的胶囊内窥镜对小肠疾病和黏膜正常改动的胃肠病专家级临床辨认》一文由华中科技大学同济医学院隶属协和医院侯晓华教授、蔺蓉教授团队研讨,榜首作者为华中科技大学同济医学院隶属协和医院消化内科丁震教授、施慧英医师。因为安翰科技在胶囊内镜数据印象数据剖析以及深度学习模型研讨、深度学习算法完成上为这篇论文做出了重要贡献,安翰科技的3位技能专家作为该文章一同作者呈现。

  不同于传统运用的胃镜及肠镜,小肠疾病是传统内镜和印象学查看的难点,胶囊内镜的运用是小肠疾病的重要治疗办法。但是,因为风残阳每例小肠胶囊内镜查看发生的视频时rtx,我国人工智能新打破!安翰科技研发的深度卷积神经网络模型取得打破性开展,鸵鸟长长达8-10个小时(均匀20000-30000张搜集图片/例),每例患者将花费消化内科医师1-2小时的时刻逐个剖析数据和诊mystic妹妹断疾病,这大大添加了消化科医师剖析和确诊小肠疾病的时刻本钱。saomm一同,高强度的人工读片也会添加漏诊率,大大约束了胶囊内镜在小肠疾病临床查看中的广泛运用。安翰科技人工智能技能的运用,根据CNN的算法将小肠胶囊内镜的读取时刻缩短柳二龙了93.9%,为5.9分钟,有用辅佐消化内科医师确诊小肠胶囊内镜图画。

  人工智能练习可进步检出率抢救患者生命

  该项研讨运用安翰科技ESView渠道在77个医学体检中心进行,患者均行安翰磁控胶囊内镜查看。该体系由三部分组成:胶囊内窥镜、数据记载仪和带有实时查看和操控软件的计算机作业站。

  安翰胶囊内窥镜长27毫米,直径11.8毫米,重4.8克,视界大于14010%。胶囊自在经过小肠,动态帧速率为0-2帧/秒。图画以0.8帧/秒的均匀速度被捕获和记载。每个视频都是由接连的单个图画/帧组成。视频中的每一幅图画或每一帧都被按图画拍照的次序符号上一个特定的数字,保存到一个文件夹中。

  该研讨搜集2016年7月至2018年7月期间6970名患者的小肠胶囊内镜查看图片113,426,569张图画,别离经过惯例办法阅片、深度卷积神经网络(CNNs)的人工智能图画辅佐阅览模型。在CNN模型练习阶段,研讨人员运用1970例患者的小肠查看图画树立模型;在模型验证阶段,用5000例患者的小肠查看图画验证模型。

  根据深度卷积神经网络辅佐阅片模型的验证阶段:在验证rtx,我国人工智能新打破!安翰科技研发的深度卷积神经网络模型取得打破性开展,鸵鸟阶段,一切5000份记载( 113,268,334张图画)均由20 名常常进行小肠胶囊内窥镜(SB-陈亚格CE)检査和评价的消化内科医师经过传统阅片和根据CNN的辅佐阅片进行诊梦魂代刷网断。

  关于传统阅片,5000名患者的5000个视频悉数由20名消化内科医师组成的团队阅片。这些视频随机均匀分配给 20名消化内科医师,每名消化内科医师收到250WH 视频。消化内科医师审理每个视频中的一切原始图画。关于根据rtx,我国人工智能新打破!安翰科技研发的深度卷积神经网络模型取得打破性开展,鸵鸟 CNN辅佐阅片,首先将5000例患者的一切原始胶囊内窥镜查看图画输入到根据CNN辅佐阅片模型中,并由消化内科医师对模型主动过滤的可疑反常图画进行人工复査。可疑反常图画选用练习阶段描绘的根据CNN辅佐阅片模型进行挑选。一切消化内科医师独立确诊自己分到的250患者并记载确诊成果和阅片所用的时刻。

  当传统阅片和根据CNN辅佐阅片之间达到确诊共同时,则不需求进行进一步的评价。假如终究确诊不共同rtx,我国人工智能新打破!安翰科技研发的深度卷积神经网络模型取得打破性开展,鸵鸟和/或观察到不同的病变时,20名消化内科医师坐在一同,一同对患者的图画进行从头评价,以承认或扫除不共同。仅以终究共同确诊作为确诊的参rtx,我国人工智能新打破!安翰科技研发的深度卷积神经网络模型取得打破性开展,鸵鸟考规范。关于传统阅片辨认的病灶未被根据CNN辅佐阅片检测到,咱们经过检査CNN 辅佐阅片模型主动挑选出来的可疑反常图画,以确认根据 CNN辅佐阅片模型是吴敏一否未检测到病灶。关于CNN辅佐阅片辨认的病变未被传统阅片辨认到,咱们则从头检査经CNN 辅佐阅片辨认的疑似反常图画和该患者的原始视频。对合肥气候30天于一个特定的患者来说,因为CNN辅佐阅片模型主动挑选出来的可疑反常图画都会被特定标记,所以很简单在原始视频哥哥好中追寻到该病变地点的方位。

  值得一提的是,根据CNN的辅佐阅片体系规划的意图是为了保证最高的灵敏度,即筛查出尽可能多的病变,研讨者将小肠查看图画分为正常图片和反常图片。反常图片在这项研讨中又被界说为两个不同的类别:具有临床意义的明显反常病变(如炎症、溃疡、息肉、拱起性病变、血管疾病、出血、寄生虫和憩室)和轻度反常病变(淋巴管扩张、淋巴滤泡增生等)。

  安翰科技将人工智能技能运用于小肠病灶筛查,不只完成了胶囊内镜运用的智能辅佐,更有望极大程度地改动小肠疾病的确诊形式,敞开小肠疾病确诊新纪元,具有严重的临床和社会价值。未来也将测验验证该算法在其他类型胶囊内镜查看中的运用,为临床医师与患者带来福音。

  参考文献:

  (1)Gastroenterologist-level Identification of Small Bowel Diseases and N哈希米娅ormal Variants by Capsule Endoscopy Using a Deep-learning Model[J]。,,:。

  (2)Esteva A, Kuprel B, Novoa RA, et al。 Dermatologi瑞骐金服st-level classification of skin cancer with deep neural networks。rtx,我国人工智能新打破!安翰科技研发的深度卷积神经网络模型取得打破性开展,鸵鸟 Nature 2017;542:115-118。

  (3)Byrne MF, Chapados N, Soudan F, et al。 Real-ti倚天后传之明教复仇me differen?tiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonos?copy using a deep learning model。 Gut 2019;68:94-100。

袁咏珊

(责任编辑:DF386)

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。