基于神经网络的溃疡性结肠炎组织学缓解预测
计算机视觉与模式识别
2023-08-29 v1 人工智能
摘要
背景与目的：组织学缓解（HR）被倡导并视为溃疡性结肠炎（UC）的新治疗目标。组织学缓解的诊断目前依赖活检；在此过程中，患者有出血、感染和活检后纤维化的风险。此外，组织学反应评分复杂且耗时，且病理医生间存在异质性。细胞内镜（EC）是一种新型超高倍放大内镜技术，可对腺体进行优良的体内评估。基于 EC 技术，我们提出一种神经网络模型，利用 EC 图像评估 UC 的组织学疾病活动度，以解决上述问题。实验结果表明所提方法可辅助患者精准治疗与预后评估。方法：我们构建用于 UC 评估的神经网络模型。2022 年 3 月至 2023 年 3 月中国某中心接受 EC 治疗的 87 名患者的 154 个肠段共 5105 张图像按 Geboes 评分打分。随后，103 个肠段用作训练集，16 个肠段用作神经网络验证集，剩余 35 个肠段用作测试集与验证集共同衡量模型性能。结果：将 HR 作为阴性类、组织学活动作为阳性类，所提神经网络模型可达到准确率 0.9、特异度 0.95、灵敏度 0.75、曲线下面积（AUC）0.81。结论：我们开发了可区分 UC 的 EC 图像中组织学缓解/活动的专用神经网络模型，有助于加速临床组织学诊断。关键词：溃疡性结肠炎；细胞内镜；Geboes 评分；神经网络。
引用
@article{arxiv.2308.14667,
title = {Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis},
author = {Yemin li and Zhongcheng Liu and Xiaoying Lou and Mirigual Kurban and Miao Li and Jie Yang and Kaiwei Che and Jiankun Wang and Max Q. -H Meng and Yan Huang and Qin Guo and Pinjin Hu},
journal= {arXiv preprint arXiv:2308.14667},
year = {2023}
}