上消化道疾病人工智能辅助决策方法研究

发布时间：2024-12-06 23:55

　　 在基于电子胃镜影像的上消化道疾病智能辅助决策过程中,现有的方法较少涉及胃镜图像的可疑病灶定位和细粒度分类,且服务延迟较高。此外,这类方法所采用的传统数据扩充方法更进一步的降低了辅助决策方法的实际性能。因此本文提出了基于电子胃镜影像的上消化道疾病智能辅助诊断框架,首先使用条件对抗生成网络实现原始胃镜图像数据增强,然后设计k-Lconv模块,在此基础上开发上消化道病灶检测方法 Lconv-YOLO,并利用来自某三甲医院真实的临床数据进行方法验证。实验结果表明,相比同类方法,本方法能够有效提高上消化道疾病推断的平均精度和病灶定位精度。本方法将平均检测一帧胃镜视频的时间缩短至6.73ms,敏感性和特异性分别达到79.39%和87.94%。满足电子胃镜检查过程中的视频帧实时高精度辅助诊断决策。

【文章页数】：6 页

【文章目录】：
1 引言
2 数据增强方法
3 上消化道病灶检测算法
4 实验结果与分析
    4.1 实验数据及评价指标
    4.2 实验结果及分析
5 结语



本文编号：4014457