微管理机深度学习大量图像数据后,开始时期胃癌的胃内窥镜检查测是下落胃癌一命归阴率的最管用方法

作者:威尼斯wns    发布时间:2020-03-12 13:29    浏览:117 次

[返回]

原标题:日本借人工智能技术识别早期胃癌新华社东京7月27日电(记者华义)日本研究人员借助人工智能技术开发出一种胃癌识别方法,能以较高的准确率发现早期胃癌。日本理化学研究所日前发布公报介绍,分辨早期胃癌与胃炎并不容易,专科医生也未必能通过内窥镜图像作出准确判断。为此,该机构研究人员和日本国立癌症研究中心的研究人员决定利用人工智能深度学习技术来识别早期胃癌图像。计算机深度学习通常需要数十万至数百万张图像用作学习数据。由于大量收集早期胃癌的高质量图像较为困难,研究人员选取了早期胃癌图像和正常图像各大约100张,并对其进行随机截取和数据扩展处理,生成了大约36万张图像。计算机深度学习大量图像数据后,研究人员用约1万张未用于学习的图像进行测试,检验计算机能否准确诊断早期胃癌。结果发现,在判断为胃癌的病例中,准确率为93.4%;在判断为正常的病例中,准确率也达到83.6%。此外,计算机在深度学习后除能判断是否患癌外,还能指出癌变部位。研究人员说,这项研究成果将有助于早期胃癌的发现与治疗,他们接下来将研究如何进一步提高计算机识别的准确率。

胃癌是最常见的恶性肿瘤之一,也是全球癌症相关死亡的第三大原因,每年约有952000例新病例并导致723000人因该病死亡。

胃癌患者的预后取决于诊断时的分期。晚期胃癌患者的预后差,生存率低,但早期发现的胃癌患者的5年生存率大于90%。因此,早期胃癌的胃镜检测是降低胃癌死亡率的最有效措施。它还为微创治疗提供了机会,例如内镜下黏膜切除术或内镜下粘膜下剥离术。

尽管胃镜是诊断胃癌的最有效方法,但胃镜检测胃癌的假阴性率为4.6-25.8%。此外,缺乏经验的内镜医师容易忽视胃癌,因为大多数病例来自萎缩性粘膜。此外,一些早期胃癌病变仅表现出微妙的形态变化,难以与萎缩性改变的背景粘膜区分。因此,内镜医师需要长期的专门培训和经验来正确检测胃癌。

近年来,使用人工智能的图像识别已经显著改进并且越来越多地应用于各种临床的诊断成像。深度学习代表了一种新的机器学习方法,它使机器能够使用反向传播算法分析各种训练图像并提取特定的临床特征。基于累积的临床特征,机器可以前瞻性地诊断新的临床图像。通过使用在逻辑上模仿计算机上的大脑神经元的结构和活动的卷积神经网络,这种类型的深度学习系统已成为可能。已经开发了各种神经网络,并且CNN被称为图像识别领域中的最佳性能模型。因此,使用广泛的图像数据通过CNN进行深度学习在临床应用中具有很高的识别临床图像的可能性。在此基础上构建了一个基于人工智能的诊断系统,该系统能够准确检测胃癌。

为什么常规胃镜检查不容易发现早期胃癌呢?让我们来看看早期胃癌的胃镜下表现,而人工智能又是如何发现它的。

图片 1

图片 2

图片 3

图片 4

分享和转发是一种支持。

图片 5

搜索