基于图像识别的咽喉部窥镜辅助诊断系统

目的喉癌是头颈部常见的恶性肿瘤,因早期症状通常不明显,故一经发现多处于晚期,因此患者生存率与癌前病变早期检测的准确率密切相关。在喉部疾病中,电子鼻咽喉镜因其较强的应用优势,成为一项新型喉部疾病的诊断工具。电子喉镜对于一些经济条件较差的基层医疗机构来说价格昂贵,无法支持配备,医师使用传统额镜进行粗略检查,易导致疾病的漏诊、误诊。本研究研发了基于图像识别的咽喉部窥镜辅助诊断系统,以辅助医师对病情的及时诊断和后续治疗方案的确定,进一步提升喉部疾病的诊断效能。方法使用内窥镜头实时采集咽喉部影像并传输至手机app中,利用图像识别算法对实时检测的喉镜图像进行识别、分类,使用卷积神经网络Res Net-50模型进行预训练,并将模型部署到app中,辅助医师进行临床诊疗工作,提高诊断准确率,推进医疗诊断的精准化与智能化进程。结果成功构建了一个基于深度学习的咽喉部图像识别模型,并且实现了临床检验小样本量训练;体现出较高的诊断效能,对开展早癌自动化辅助检测工作具有重要的现实意义。结论基于图像识别设计的咽喉部窥镜辅助诊断系统能快速、准确地诊断出喉乳头状瘤、声带息肉等喉部病变,具有较强的可操作性和实用性。