基于卷积神经网络的辅助识别模型在白光内镜诊断慢性胃炎中的应用价值

背景:慢性萎缩性胃炎的准确诊断对于胃癌预防具有重要意义。卷积神经网络在消化内镜领域的潜力已得到证实。目的:基于卷积神经网络建立白光内镜诊断慢性胃炎的辅助识别模型,并评估其应用价值。方法:回顾性收集武汉大学人民医院和北京大学第三医院的慢性胃炎白光内镜图片作为训练集和测试集。辅助识别模型由Unet++和Resnet-50卷积神经网络构建,包括两层结构。采用ROC曲线评估Resnet-50卷积神经网络的诊断效能;采用Kappa一致性检验评估辅助识别模型和3名内镜医师的诊断结果与标准答案的一致性。结果:训练集含5200张慢性胃炎白光内镜图片,测试集含668张慢性胃炎白光内镜图片。Unet++对慢性胃炎病变的总体命中率为97.2%。Resnet-50卷积神经网络诊断慢性萎缩性胃炎的ROC曲线下面积为0.97,准确性、敏感性和特异性分别为90.0%、90.3%和89.6%。其对慢性萎缩性胃炎的诊断结果与标准答案具有高度一致性(κ=0.763),与内镜专家(κ=0.712,κ=0.698)水平相近,明显优于普通内镜医师(κ=0.585)。结论:本研究建立的基于卷积神经网络的辅助识别模型能为白光内镜诊断慢性胃炎提供有效帮助,具有良好的临床应用前景。