APP下载

深度卷积神经网络在结肠镜检查中的应用

2023-07-30石泽璇付梓龙刘军娜李靓璐牛琼

国际医药卫生导报 2023年10期
关键词:质量模型

石泽璇 付梓龙 刘军娜 李靓璐 牛琼

滨州医学院附属医院消化内科,滨州 256603

深度卷积神经网络(convolution neural network,CNN)是一种机器学习的高级模型,也是图像学习最热门的学习算法。CNN不仅能像人的大脑一样处于不断学习的状态,还能对目标图像进行自动识别、检测,并对目标图像进行快速且准确的分析,提高疾病诊断率。该系统具有检测速度快、检出率高的特点,可应用于大样本量的筛查工作,这就为结直肠癌的筛查节省了时间和成本[1]。早期发现结直肠癌前病变可以促进临床医生的决策并减少他们的工作量。这可以使用具有内窥镜和组织学图像的自动系统来实现。CNN在深度学习模型中克服了模型的过拟合和梯度消失劣势,然而一套成熟的CNN模型依赖大样本量的医疗数据训练并测试。结肠镜检查是用于筛查并诊断肠道疾病的强大医疗仪器,可有效早期诊断结直肠癌,可对结肠息肉分类以指导建立最佳诊疗策略。但是,其诊断准确性却难以得到保证,因为结肠镜检查中存在几项无法规避的局限性:第一,该检查手段误诊率较高;第二,一些肿瘤性病变难以发现,即使是内窥镜专家也不例外;第三,在人口众多的城市及三甲医院,这项工作使内窥镜医生面临高耗时、高劳动量及高精神专注度挑战;第四,腺瘤检测率很大程度上取决于内窥镜医生的工作经验。

CNN

深度学习(deep learning,DL),特别是CNN,是一种基于人脑视觉皮层处理和识别图像的原理的深度神经网络。……

登录APP查看全文

猜你喜欢

质量模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
做梦导致睡眠质量差吗
关于质量的快速Q&A
3D打印中的模型分割与打包
质量投诉超六成
FLUKA几何模型到CAD几何模型转换方法初步研究
石器时代与质量的最初萌芽
一个相似模型的应用