机构名称：
¥ 1.0
摘要：乳糜泻（CD）是一种终生的慢性自身免疫性全身性疾病，主要影响遗传易感人群的小肠。成人CD的诊断目前依赖于特定的血清学和对上消化性内窥镜检查样品的十二指肠粘膜的组织学评估。由于与十二指肠活检采样和组织病理学相关的几个陷阱，并考虑了小儿无生物检查诊断标准，因此还提出了一种避免活检的策略来进行成人CD诊断。在CD患者的十二指肠上报道了几种内窥镜变化，作为绒毛萎缩（VA）的标志，与血清学有良好的相关性。在这种情况下，在常规内窥镜检查期间对这些内窥镜标记的自动检测，作为未使用的CD的潜在病例发现。，我们从18名CD新诊断的CD患者和16名非CD对照组以及应用机器学习（ML）和深度学习（DL）算法中收集了十二指肠内窥镜图像，用于检测VA。使用组织学标准，对于测试的所有算法，都可以看到高诊断精度，而分层的卷积神经网络（CNN）具有最佳性能，敏感性为99.67％和98.07％的阳性预测价值。在这项初步研究中，我们使用组织学在非CD对照组中通常出现非养分性粘膜的CD患者中与VA相关的粘膜变化的自动检测提供了准确的算法。
基于计算机的乳糜泻诊断是通过十二指肠内窥镜图像的定量处理
主要关键词
相关文件推荐
