深度學習通過上消化道內鏡圖像分析是否幽門螺旋桿菌感染

這是今年發表在Endosc Int Open上的一篇關於深度學習內鏡圖像的文章。

根治幽門螺桿菌（HP）對改善胃黏膜萎縮以及抑制上皮異型增生起著重要的作用。內鏡醫生有時可以通過黏膜潮紅以及水腫情況來判斷患者HP是否為陽性。但這需要豐富的臨床經驗。本文研究者考慮使用卷積神經網路（CNN）來幫助診斷HP感染情況。深度學習是一種多層次的方法，模擬大腦神經網路從圖像或聲音中提取特徵。可以訓練CNN自動提取圖像特徵，然後在通過深度學習獲得的圖像數據的多層學習之後識別圖像。CNN的一個重要特徵是層次間操作可以被描述為卷積操作。 因此，CNN在用於識別圖像和語音時顯示出高精度。

本次研究從139例患者獲得的179例上消化道內窺鏡圖像（HP IgG抗體檢測65例HP陽性：≥10U / mL，74例HP陰性：

結果發現CNN檢測HP感染的敏感性和特異性分別為86.7％和86.7％，AUC為0.956。

需要強調的是這篇文章機器學習部分是建立在GoogLeNEt的基礎上完成的，因此節省了很多的工作量。相對而言文章中用到的數據樣本量也較小，596張圖像大部分是通過翻轉圖像等方法得到的，實際工作量並不大。可能需要多中心提供不同角度，不同檢查者以及不同型號內鏡得到的圖像來進行深度學習。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！