XiaoMi-AI文件搜索系统
World File Search System窥镜
您的下一代第三空间内窥镜套件就在这里。
随着非侵入性腔内治疗程序和技术在内窥镜领域的不断涌现，富士胶片一直与临床专家合作，设计创新技术和设备解决方案，帮助推进 TSE 并将这些概念推向医疗服务的前沿。现在，您可以在诊所中拥有一套全面、完全兼容、集成且可靠的先进内窥镜套件，专门用于执行各种 TSE 程序，而这一独特产品正是富士胶片首创的。
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。
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。
Eeloscope — 面向新型内窥镜系统，实现数字飞机油箱维护
摘要：本文介绍了一种新型内窥镜系统，该系统适用于对飞机机翼油箱进行数字检查。这项工作的目的是专门设计和开发一种称为“Eeloscope”的辅助系统，以便以微创方式进入和穿过飞机煤油箱。目前，机械师经常遭受恶劣的工作环境和油箱内艰巨的维护任务。为了应对这些挑战并得出量身定制的解决方案，应用了经过调整的设计思维 (DT) 流程。由此产生的系统能够进行全数字检查并生成三维结构检查数据。因此，诸如 Eeloscope 之类的设备将有助于更高效、更持续地检查油箱，以增加难以接近的飞机结构状况的透明度，同时减轻机械师的工作负担。
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。
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