XiaoMi-AI文件搜索系统
World File Search Systemendoscopy
边缘人工智能无线视频胶囊内窥镜
胃肠道 (GI) 疾病是全球发病率和死亡率较高的原因，包括结肠直肠癌，结肠直肠癌在 50 岁以下成年人中的发病率不断上升。虽然可以通过定期筛查来缓解这一问题，但由于准确性和患者接受度不足，只有一小部分高风险人群接受了全面筛查。为了应对这些挑战，我们设计了一种人工智能 (AI) 无线视频内窥镜胶囊，其性能超越了现有解决方案，包括：(1) 使用板载深度神经网络 (DNN) 进行实时图像处理，(2) 通过部署白光和窄带成像增强粘膜层可视化，(3) 使用无线编程进行移动任务修改和 DNN 更新，以及 (4) 与患者的个人电子设备进行双向通信以报告重要发现。我们在体内环境中测试了我们的解决方案，将我们的内窥镜胶囊施用于全身麻醉的猪。所有在单一平台上成功实现的新功能都经过了验证。我们的研究为新一代胶囊内窥镜的临床应用奠定了基础，将显著提高上、下消化道疾病的早期诊断。
人工智能与专家内镜医师在接受上消化道内镜检查的患者中对胃癌的诊断
机构 1 日本东京大学医学院消化内科 2 日本东京医科大学消化内镜科 3 日本大阪国际癌症研究所消化内科 4 日本东京大学医院临床研究促进中心 5 日本东京 AI 医疗服务公司 6 日本东京大学医学科学研究所先进基因组医学部 7 日本东京日本癌症研究基金会癌症研究所有明医院消化内科 8 日本东京大学医学院外科肿瘤学系 9 日本埼玉县多田智宏消化内科及肛肠科研究所
炎症性肠病内窥镜检查的人工智能
2 然而，集中阅读既耗时又费钱，在常规护理中的应用还不确定。即时客观的盲法 CAD 评估将解决这一限制，并有助于推进常规高质量内窥镜评分解释，以将其纳入治疗目标。CAD 可用于培训未来的胃肠病学研究员这一想法很有趣。目前的受训人员在进行 IBD 内窥镜检查时，有望达到准确解释内窥镜活动的能力。然而，他们的经验很大程度上是主观的，需要主管对内窥镜检查有深入的理解和准确的评分能力。使用人工智能对粘膜疾病活动进行标准化、准确和客观的评估可以实时验证他们的内窥镜评分解释，并识别和加强知识差距。第二个立场是 CAD 可以通过提高日常实践模式的成本效益来有益于疾病管理。由于 CAD 提供了一种
喉内窥镜中的人工智能
结果：纳入的 13 项研究总体偏倚风险较低。AI 模型的总体准确率非常高（从 0.806 到 0.997），用于构建和评估模型的图像数量从 120 到 24,667 不等。使用较大数据库的研究的准确率明显更高。对健康喉组织识别的汇总灵敏度和特异性（8 项研究）分别为 0.91（95% CI：0.83-0.98）和 0.97（95% CI：0.96-0.99）。对良性和恶性病变的区分（7 项研究）的相同值分别为 0.91（95% CI：0.86-0.96）和 0.95（95% CI：0.90-0.99）。分析扩展到比较评估窄带成像（3 项研究）和白光内窥镜图像（4 项研究）的 AI 模型的灵敏度和特异性。两种方法的结果相似，未发现亚组效应（灵敏度 p = 0.406，特异性 p = 0.817）。
人工智能、胶囊内窥镜、数据库和达摩克利斯之剑
我们饶有兴趣地阅读了 Hassan 等人 [1] 撰写的社论，题为“人工智能在内窥镜检查中的无处不在，不只用于检测和表征”，该社论受到 Hansen 等人最近的论文“新型人工智能 (AI) 驱动的软件显著缩短了计算机视觉项目中注释所需的时间” [2] 的启发。正如 Hassan 等人指出的那样，与经典的机器学习方法 (MLM) 不同，这个新兴领域（即深度学习 [DL]）的主要优势在于它能够自动提取图像特征，以便计算机可以使用它们来表征其内容 [3]。从本质上讲，这意味着这种无监督方法的准确性主要取决于所提供的训练数据的适当性和质量。特别是在胶囊内窥镜 (CE) 领域，图像数据随处可见，但谁来仔细研究图像、描绘/注释和评论感兴趣的区域，并确保使用高质量的材料进行 DL 训练，这还有待确定。考虑到这一点，我们投入了大量的人力（包括个人）[1]，着手创建一系列相应的 CE 数据库，即 KID、CAD-CAP 和 Kvasir Capsule [4 – 6]，以造福计算机科学家，而这却花费了我们自己和同事的努力。尽管它们通过来自不同制造商的 CE 图像得到丰富和扩大，但不同的数据库包含以各种方式准备的多种类别的胃肠道正常和异常发现。因此，数据库的清洁程度各不相同，它们为 AI 软件开发人员提供了独特的机会和各自的参考点。这种方法为结构化交付一系列急需的解决方案奠定了基础，这些解决方案可以准确检测和表征异常 CE 发现。这些包括可靠地生成解剖学缩略图
通过检查胃粘膜模式评估幽门螺杆菌状态：白光内窥镜和窄带成像的诊断准确性
抽象目的幽门螺杆菌感染是全球慢性胃炎的常见原因，也是发展胃恶性肿瘤的确定危险因素。预测幽门螺杆菌状况的内窥镜外观以及其诊断精度也是一个持续的研究领域。这项研究旨在建立几种粘膜特征的诊断精度，可预测幽门螺杆菌负面状态，并在内窥镜检查时为使用一个简单的预测模型。设计接受高清上胃肠道（GI）内窥镜检查而无需放大的患者。在内窥镜检查过程中，注意到存在或不存在特定的内窥镜检查结果。悉尼方案活检被用作诊断参考标准，如果采取了尿布测试。结果告知了用于产生简单诊断方法的逻辑回归模型。随后使用30例患者的同类队列对该模型进行了验证。结果招募了153名患者并完成了研究方案。活性幽门螺杆菌感染的患病率为18.3％（28/153）。简单预测模型的总体诊断准确性为80.0％，有效的幽门螺杆菌感染患者中有100％正确分类。定期安排收集静脉（RAC）的存在表现出幽门螺杆菌状态的正预测价值为90.7％，60岁以下患者的幽门螺杆菌状态上升到93.6％。结论一个简单的内窥镜模型可能是预测患者幽门螺杆菌状况的准确性，并且需要基于活检的测试。NCT02385045。RAC在胃中的存在是幽门螺杆菌阴性状态的准确预测指标，尤其是在60岁以下的患者中。试验注册号这项研究已在临床检查中注册。
人工智能和胶囊内窥镜检查
人工智能 (AI) 在胃肠病学中的应用是一个热门话题，因为它具有颠覆性。胶囊内窥镜在消化病理学的几个领域发挥着重要作用，即在不明原因出血性病变的研究和炎症性肠病的治疗中。因此，人们对在胶囊内窥镜中使用 AI 的兴趣日益浓厚。多项研究表明，在胶囊内窥镜的各个领域使用卷积神经网络具有巨大的潜力。人工智能在胶囊内窥镜中的实用性呈指数级发展，需要考虑其对临床实践的中长期影响。事实上，深度学习在胶囊内窥镜领域的出现，以其进化的特性，可能会导致这种环境下临床活动的范式转变。在这篇评论中，我们旨在阐明人工智能在胶囊内窥镜领域的最新进展。
人工智能在内窥镜检查中无处不在，不仅用于检测和……
时间就是生命！虽然胃肠内镜检查挽救了许多患者免于癌症相关的死亡，但它在漏诊和内镜检查后癌症方面仍然付出了不可接受的代价[1-4]。社区内镜医师错过了近 80% 的早期 Barrett 相关肿瘤，这难道不是真的吗 [5]？非专家中心漏诊的早期胃癌也可能有类似的估计值。时间也是金钱！我们在内镜预测和内镜检查后确认之间的重复中浪费了多少？在区分腺瘤性和增生性息肉或预测癌前胃病变方面的能力不足会给病理学带来沉重的成本。如果时间就是生命，那么人工智能 (AI) 就是答案！人工智能不是又快又聪明又出色吗？它每秒可以进行数百万次数学运算，分析的帧数超过人眼，其准确度相当于甚至超过我们最优秀的专家。与结肠镜检查相关的人工智能数据显示，腺瘤检出率至少提高了三分之一，每次结肠镜检查的腺瘤检出率增加了 50%，息肉漏诊率也下降了相应的水平 [6]。人工智能还可以省钱！至少在内吞细胞镜检查中，无论内镜医师是谁，使用该技术都显示出非常高的息肉表征准确度 [7,8]。这提高了标准并节省了原本会浪费在病理学上的资金。毫无疑问，结肠镜检查告诉我们，如果时间是个问题，那么人工智能就是最快的答案！
人工智能与胶囊内窥镜检查
人工智能 (AI) 因其颠覆性而在胃肠病学中的应用是一个热门话题。胶囊内窥镜在消化道病理学的几个领域发挥着重要作用，即在不明原因出血性病变的研究和炎症性肠病的治疗中。因此，人们对人工智能在胶囊内窥镜中的应用越来越感兴趣。多项研究表明，卷积神经网络在胶囊内窥镜各个领域具有巨大的潜力。人工智能在胶囊内窥镜中的实用性呈指数级发展，需要考虑其对临床实践的中长期影响。事实上，深度学习在胶囊内窥镜领域的出现及其进化特性可能会导致该领域临床活动的范式转变。在这篇综述中，我们旨在说明人工智能在胶囊内窥镜领域的最新发展。
人工智能在胃肠内窥镜检查中的作用不断演变
人工智能 (AI) 是不同技术的结合，使机器能够以类似人类的智能水平感知、理解和学习。人工智能技术最终将增强人类的能力，为机器提供真正的自主权，减少错误，提高生产力和效率。人工智能看起来很有前途，这个领域充满了发明和新奇的应用；然而，机器学习的局限性表明谨慎乐观是正确的策略。人工智能也正被纳入医学领域，通过加快流程和实现更高的准确性来改善患者护理，从而实现最佳患者护理。使用深度学习技术的人工智能已被用于识别、区分包括胃肠内窥镜检查在内的多个医学领域的目录图像。胃肠内窥镜检查领域涉及在各种胃肠内窥镜设备系统的帮助下使用图像分析对各种消化系统疾病进行内窥镜诊断和预测。基于人工智能的内窥镜系统可以根据其训练和验证可靠地检测并提供有关胃肠道病理学的关键信息。这些系统可以使胃肠病学实践在未来几年内变得更容易、更快、更可靠，并减少观察者之间的差异。然而，认为这些系统将取代人类决策取代胃肠内窥镜医师的想法在不久的将来似乎并不可信。在这篇评论中，我们讨论了人工智能和相关的各种技术术语、胃肠内窥镜检查中不断发展的作用以及未来的可能性。