论文部分内容阅读
目的
构建人工智能食管早癌辅助诊断系统，旨在提高临床食管早癌的检出率。
方法收集复旦大学附属中山医院2016年1月至2017年12月共2 400张食管图像，食管早癌、正常食管黏膜各1 200张，对图片中病变位置进行矩形框标记。将其中2 000张图片作为训练集、400张图片作为测试集，通过计算机深度学习中的反向传播算法建立食管早癌的诊断辅助模型。利用测试集来测试训练得到的模型，计算不同截断点系统的灵敏度及特异度，绘制受试者工作特征曲线(ROC曲线)，评价诊断模型的性能指标。
结果辅助诊断模型的ROC曲线下面积(AUC)值达0.996 1，灵敏度及特异度均令人满意。
结论本研究构建的深度学习模型用于食管早癌的诊断具有较好的特异度、敏感度和AUC值，可在临床检查中辅助内镜医师进行实时诊断。