亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Development and validation of an artificial intelligence‐based system for predicting colorectal cancer invasion depth using multi‐modal data

医学 人工智能 结肠镜检查 结直肠癌 情态动词 癌症 内科学 计算机科学 化学 高分子化学
作者
Liwen Yao,Zihua Lu,Genhua Yang,Wei Zhou,Y Xu,Mingwen Guo,Xu Huang,Chunping He,Rui Zhou,Yunchao Deng,Huiling Wu,Boru Chen,Rongrong Gong,Lihui Zhang,Mengjiao Zhang,Wei Gong,Honggang Yu
出处
期刊:Digestive Endoscopy [Wiley]
卷期号:35 (5): 625-635 被引量:14
标识
DOI:10.1111/den.14493
摘要

Accurate endoscopic optical prediction of the depth of cancer invasion is critical for guiding an optimal treatment approach of large sessile colorectal polyps but was hindered by insufficient endoscopists expertise and inter-observer variability. We aimed to construct a clinically applicable artificial intelligence (AI) system for the identification of presence of cancer invasion in large sessile colorectal polyps.A deep learning-based colorectal cancer invasion calculation (CCIC) system was constructed. Multi-modal data including clinical information, white light (WL) and image-enhanced endoscopy (IEE) were included for training. The system was trained using 339 lesions and tested on 198 lesions across three hospitals. Man-machine contest, reader study and video validation were further conducted to evaluate the performance of CCIC.The overall accuracy of CCIC system using image and video validation was 90.4% and 89.7%, respectively. In comparison with 14 endoscopists, the accuracy of CCIC was comparable with expert endoscopists but superior to all the participating senior and junior endoscopists in both image and video validation set. With CCIC augmentation, the average accuracy of junior endoscopists improved significantly from 75.4% to 85.3% (P = 0.002).This deep learning-based CCIC system may play an important role in predicting the depth of cancer invasion in colorectal polyps, thus determining treatment strategies for these large sessile colorectal polyps.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
6秒前
科研通AI5应助肖肖乐采纳,获得10
9秒前
26秒前
32秒前
czb发布了新的文献求助10
39秒前
缥缈完成签到 ,获得积分10
1分钟前
Cosmosurfer完成签到,获得积分10
1分钟前
烟花应助酷酷士晋采纳,获得10
1分钟前
顺利白竹完成签到 ,获得积分10
1分钟前
科研通AI5应助天真咖啡豆采纳,获得10
1分钟前
2分钟前
czb发布了新的文献求助10
2分钟前
爆米花应助张居居采纳,获得10
2分钟前
2分钟前
2分钟前
2分钟前
科研通AI5应助mattino采纳,获得10
2分钟前
张居居发布了新的文献求助10
2分钟前
2分钟前
852应助天真咖啡豆采纳,获得10
2分钟前
懒洋洋发布了新的文献求助10
2分钟前
小马甲应助czb采纳,获得10
3分钟前
3分钟前
3分钟前
czb发布了新的文献求助10
3分钟前
3分钟前
斯文败类应助懒洋洋采纳,获得10
3分钟前
科研通AI5应助天真咖啡豆采纳,获得10
3分钟前
4分钟前
czb完成签到,获得积分10
4分钟前
4分钟前
mattino发布了新的文献求助10
4分钟前
4分钟前
肖肖乐发布了新的文献求助10
4分钟前
4分钟前
李健应助czb采纳,获得10
4分钟前
肖肖乐完成签到,获得积分10
4分钟前
4分钟前
4分钟前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
Continuum Thermodynamics and Material Modelling 2000
105th Edition CRC Handbook of Chemistry and Physics 1600
ISCN 2024 – An International System for Human Cytogenomic Nomenclature (2024) 1000
CRC Handbook of Chemistry and Physics 104th edition 1000
Izeltabart tapatansine - AdisInsight 600
Maneuvering of a Damaged Navy Combatant 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3770451
求助须知:如何正确求助?哪些是违规求助? 3315478
关于积分的说明 10176425
捐赠科研通 3030489
什么是DOI,文献DOI怎么找? 1662916
邀请新用户注册赠送积分活动 795249
科研通“疑难数据库(出版商)”最低求助积分说明 756700