XiaoMi-AI文件搜索系统
World File Search Systemendoscopy
CAD-CAP：一个包含 25,000 张图像的数据库，用于开发胶囊内窥镜人工智能
机构 1 索邦大学，内镜科 2 德雷塞尔大学，艺术与科学学院，美国宾夕法尼亚州费城 3 亚眠大学医院，皮卡第儒勒凡尔纳大学，法国亚眠 4 乔治蓬皮杜欧洲医院，APHP，胃肠病学和内镜科，法国巴黎 5 内镜和胃肠病学科，Pavillon L，爱德华赫里奥特医院，法国里昂 6 消化内镜科，大学医院，法国布雷斯特 7 肝胃病学科，法国南特消化病研究所 8 泰农医院，胃肠病学科，法国巴黎 9 斯特拉斯堡天主教大学，胃肠病学科，法国斯特拉斯堡 10 洛姆医院，胃肠病学科，法国洛姆 11 科钦医院胃肠科，法国巴黎 12 CHRU Lille，胃肠科，法国里尔 13 CHU Rouen，胃肠科，法国鲁昂 14 CHU Henri Mondor，胃肠科，法国克雷泰伊 15 ETIS、塞尔吉-蓬图瓦兹大学、ENSEA、法国国家科学研究中心、塞尔吉-蓬图瓦兹 Cedex，法国 16 CHU 尼斯，胃肠病学和内窥镜检查科，法国尼斯
评论文章资源受限环境下的胃肠内窥镜人工智能：现实检验
人工智能 (AI) 在胃肠病学的不同领域得到了越来越多的探索，特别是在内窥镜图像分析、癌症筛查和预测模型方面。考虑到内窥镜医师处理的大量数据和所进行的关键分析的复杂性，人工智能被广泛吹捧为常规内窥镜检查不可或缺的一部分。然而，在资源受限的环境中将人工智能应用于内窥镜检查仍然充满问题。我们使用 PubMed 数据库对涵盖人工智能在内窥镜检查中的应用以及在资源受限的环境中遇到的困难的文章进行了广泛的文献综述。我们试图在本综述中总结可能阻碍人工智能在此类环境中应用的潜在问题。希望这篇综述能让内窥镜医师和卫生政策制定者在尝试将人工智能在技术先进的环境中的进步推广到在多个层面受到限制的环境中之前，对这些问题进行思考。关键词：人工智能、自动检测、计算机辅助检测、深度学习、发展中国家、病变检测、卫生资源、卫生服务可及性。欧亚肝胃肠病学杂志 (2020): 10.5005/jp-journals-10018-1322
内窥镜检查，内输送和肿瘤消耗消耗品和相关产品-2024/S 000-029975-找到招标
预计，在本框架协议的第一年，此框架的初始支出将为100,000,00英镑。如果将框架协议延长至最高持续时间，则预期的支出将为约426,000,000英镑。这些仅是近似值，值可能会根据框架协议下购买的尸体的要求而有所不同。
在药物诱导的睡眠内窥镜检查过程中的咽尺寸的定量测量
目的：定量研究下颌前进设备（MAD）对药物诱导的睡眠内窥镜检查过程中测量的横向平面中咽气道尺寸的影响。方法：分析了来自56名患者的数据，以75％最大突出性和基线呼吸暂停 - 呼吸暂停指数≥10次事件/h进行了MAD治疗。对于每位患者，从基线时和下巴升起期间，从Dise视频录像中选择了三个快照，产生了498张图像（168/168/162，基线/Mad/Mad/Chin Chin Lift）。横截面区域，前后（AP）和后外侧（LL）尺寸，呈逆处和重新浮光有水平。为了定义疯狂和下巴提升对咽尺寸的影响，建立了线性混合效应模型。确定了疯狂治疗反应与咽部扩张（Mad/Chin Lift）之间的关联。结果：在基线和疯狂的存在下，倒置横截面区域，AP和LL尺寸之间发现了显着差异。在复古景观水平上，与基线相比，只有LL的尺寸与MAD存在明显不同，LL扩展比与治疗反应的显着关系（P = 0.0176）。调整了睡眠位置定义的响应定义后，与非响应者相比，在响应者中看到了更大的逆转膨胀比（1.32 0.48）（1.11 0.32）（p = 0.0441）。在下巴升起的反应和咽部扩张之间没有发现显着关联。关键词：诊断，下颌进步装置，阻塞性睡眠呼吸暂停，OSA，个性化医学。结论：我们的观察结果突出了在评估疯狂治疗结果中疯狂的存在期间定量咽呼吸道测量值的额外价值。这些发现表明，与睡眠位置校正后的非反应者相比，MAD存在过程中的逆转气道维度有所增加，疯狂的存在以及MAD治疗响应者的逆转膨胀比的增加。证据级别：3喉镜，00：1 - 9，2023
抗血小板或抗凝治疗的患者内窥镜检查：英国胃肠病学会（BSG）和欧洲胃肠道内窥镜学会（ESGE）指南指南更新
摘要这是英国胃肠病学会（BSG）与欧洲胃肠道内窥镜检查学会（ESGE）之间的合作，并且是其2016年对抗血小板或抗凝治疗患者内窥镜检查指南的计划更新。指南开发委员会包括英国血液学学会，英国心血管干预学会的代表，以及英国慈善抗凝的两名患者代表以及英国血栓形成，以及胃肠病学家。使用年级方法学得出了符合同意II原则的过程以及证据和建议的强度。在提交出版之前，与包括BSG在内的所有成员社会进行了咨询。基于证据的修订是对内窥镜程序的风险类别以及血栓形成风险的类别的。尤其是对房颤的更详细的风险分析，并且根据以前的版本以来发布的试验数据，对直接口服抗凝剂的建议得到了加强。已经在急性胃肠道出血的患者的管理中添加了一个部分。重要的患者考虑重点。建议是基于在给定情况下血栓形成和出血之间的风险平衡。
人工智能在炎症性肠病的诊断、监测和预测的成像和内窥镜检查中的作用：范围审查协议
摘要 简介 炎症性肠病 (IBD) 是一种免疫介导疾病，其发病率和患病率在世界范围内呈上升趋势。对其的评估和监测虽然复杂，但变得越来越重要。最好的疾病控制是通过严格监测客观炎症参数（如血清和粪便炎症标志物）、横断面成像和内窥镜评估来实现的。考虑到在患者整个旅程中获得的信息的复杂性，人工智能 (AI) 为现有工具提供了理想的辅助，可帮助诊断、监测和预测 IBD 患者的病程。因此，我们提出了一项范围界定审查，评估 AI 在 IBD 患者诊断、监测和预测工具中的作用。我们的目标是发现文献中的差距并在未来的研究中解决它们。 方法与分析 我们将搜索电子数据库，包括 Medline、Embase、Cochrane CENTRAL、CINAHL Complete、Web of Science 和 IEEE Xplore。两位审稿人将首先独立筛选摘要和标题，然后进行全文审查。第三位审阅者将解决任何冲突。我们将同时包括观察性研究和临床试验。将使用数据提取表提取研究特征。提取的数据将以表格形式汇总，遵循成像方式主题和评估的研究结果。结果将附有叙述性评论。道德和传播考虑到项目的性质，不需要机构审查委员会进行道德审查。数据将在学术会议上展示，最终产品将发表在同行评审期刊上。
母校StudiorumUniversitàdiBologna Archivio ...
Barbara G.，Cremon C.，Bellini M.，Corsetti M.，Di Nardo G.，Falangone F.等。 （2023）。 Italian guidelines for the management of irritable bowel syndrome: Joint Consensus from the Italian Societies of: Gastroenterology and Endoscopy (SIGE), Neurogastroenterology and Motility (SINGEM), Hospital Gastroenterologists and Endoscopists (AIGO), Digestive Endoscopy (SIED), General Medicine (SIMG), Gastroenterology, Hepatology and小儿营养（SIGENP）和儿科（SIP）。 消化和肝病，55（2），187-207 [10.1016/j.dld.2022.11.015]。Barbara G.，Cremon C.，Bellini M.，Corsetti M.，Di Nardo G.，Falangone F.等。（2023）。Italian guidelines for the management of irritable bowel syndrome: Joint Consensus from the Italian Societies of: Gastroenterology and Endoscopy (SIGE), Neurogastroenterology and Motility (SINGEM), Hospital Gastroenterologists and Endoscopists (AIGO), Digestive Endoscopy (SIED), General Medicine (SIMG), Gastroenterology, Hepatology and小儿营养（SIGENP）和儿科（SIP）。消化和肝病，55（2），187-207 [10.1016/j.dld.2022.11.015]。
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。
研究文章 确定胶囊内窥镜图像临床意义的人工智能可以提高阅读效率
1 韩国首尔顺天乡大学医学院消化系统研究所消化系统疾病中心内科，2 韩国清州忠北国立大学电子工程系，3 韩国高阳东国大学医学院一山医院内科消化内科分部，4 韩国清州忠北国立大学医学院内科，5 韩国济州岛济州国立大学医学院内科，6 韩国首尔首尔市首尔国立大学波拉梅医疗中心内科，7 韩国大田忠南国立大学医学院内科消化内科和肝病内科，8 韩国大邱庆北国立大学医院内科消化内科和肝病内科
研究文章 用于分析结肠内窥镜图像以检测与肠易激综合征相关的变化的人工智能模型
IBS 不被认为是一种器质性疾病，通常在下消化道内镜检查中没有异常，尽管最近有报道称 IBS 患者出现生物膜形成、菌群失调和组织学微炎症。在本研究中，我们调查了人工智能 (AI) 结直肠图像模型是否可以识别与 IBS 相关的微小内镜变化，这些变化通常无法被人类调查者检测到。研究对象根据电子病历确定，分为 IBS（I 组；n = 11）、以便秘为主的 IBS（IBS-C；C 组；n = 12）和以腹泻为主的 IBS（IBS-D；D 组；n = 12）。研究对象没有其他疾病。获取了 IBS 患者和无症状健康受试者（N 组；n = 88）的结肠镜检查图像。使用Google Cloud Platform AutoML Vision（单标签分类）构建AI图像模型，计算敏感度、特异度、预测值和AUC。为N组、I组、C组和D组分别随机选择了2479、382、538和484张图像。区分N组和I组的模型的AUC为0.95。I组检测的敏感度、特异度、阳性预测值和阴性预测值分别为30.8%、97.6%、66.7%和90.2%。区分N组、C组和D组的模型的总体AUC为0.83；N组的敏感度、特异度和阳性预测值分别为87.5%、46.2%和79.9%。使用图像 AI 模型，IBS 的结肠镜检查图像可以在 AUC 0.95 处与健康受试者区分开来。需要进行前瞻性研究以进一步验证这种外部验证模型在其他机构是否具有类似的诊断能力，以及是否可以用它来确定治疗效果。