机构名称：
¥ 1.0
胃癌是全球第三大癌症死亡原因（1）。大多数胃癌是在晚期才被诊断出来，因为其症状和体征往往不明显且无特异性，导致整体预后不良，而在早期发现的情况下，5 年生存率可超过 90%（2-4）。内镜检查仍被认为是检测 EGC 最有效的方法（5）。然而，早期胃癌（EGC）特别难以识别，因为它通常表现为细微隆起或凹陷以及淡淡的红色，很可能被识别为正常粘膜或胃炎。此外，胃壁内的侵入深度也很难预测。10 项涉及 3,787 名接受上消化道内镜检查的患者的研究显示在诊断前 3 年内上消化道癌症的漏诊率为 11.3%（6）。一项涉及 2,153 例病变图像的荟萃分析显示，白光成像 (WLI) 内镜诊断 EGC 的受试者工作特征曲线下面积 (AUC) 仅为 0.48 (7)。近十年来，人工智能 (AI) 在医学中的应用引起了广泛关注，人工智能辅助内镜诊断是研究的热点。人工智能是指计算机执行与智能生物相关的任务的能力，例如模仿人类的认知能力的“学习”功能 (8)。人工智能的子领域包含机器学习和深度学习（图 1）。机器学习这个术语最初由 Arthur Samuel 于 1959 年创造，是计算机科学的一个领域，即系统能够在没有特定程序的情况下从输入数据中“学习”的能力 (9)。分类模型训练中常见的机器学习方法包括集成树、决策树、支持向量机、k近邻等（10）。深度学习最初于1998年应用于图像处理领域，是指在用于特征提取和转换的机器学习算法的基础上，在非线性处理中应用各层（11）。神经网络与人脑相似，特别模仿紧密相连的神经元来识别模式、提取特征或“学习”输入数据以预测结果（12）。不同的模型训练范式被称为“神经网络”（13）。对于标准内窥镜图像，已经推荐了几种用于自动检测早期胃癌的计算机辅助检测（CAD）算法。原有图像分类模型的性能提升主要依赖于视觉特征和大规模数据集，这在 EGC 中很难实现
系统分析和荟萃分析
主要关键词
相关文件推荐
