Asistenční systém pro detekci polypů v reálném čase na bázi konvoluční neuronové sítě

KVAK, Daniel a Karolína KVAKOVÁ. Asistenční systém pro detekci polypů v reálném čase na bázi konvoluční neuronové sítě. Gastroenterologie a Hepatologie. Praha: Česká lékařská společnost J. E. Purkyně, 2021, roč. 75, č. 6, s. 540-543. ISSN 1804-803X. Dostupné z: https://dx.doi.org/10.48095/ccgh2021540.

Základní údaje

• Originální název: Asistenční systém pro detekci polypů v reálném čase na bázi konvoluční neuronové sítě
• Název anglicky: Assistance system for real-time polyp detection based on convolutional neural network
• Autoři: KVAK, Daniel a Karolína KVAKOVÁ.
• Vydání: Gastroenterologie a Hepatologie, Praha, Česká lékařská společnost J. E. Purkyně, 2021, 1804-803X.

Další údaje

• Typ výsledku: Článek v odborném periodiku
• Utajení: není předmětem státního či obchodního tajemství
• Doi: http://dx.doi.org/10.48095/ccgh2021540
• Klíčová slova česky: detekce polypů, konvoluční neuronová síť, umělá inteligence, prostorová lokalizace
• Klíčová slova anglicky: polyp detection, convolutional neural network, artificial intelligence, spatial location
• Příznaky: Recenzováno

Anotace

Využití umělé inteligence jako asistenční detekční metody v endoskopii se v uplynulých letech těší zvyšujícímu se zájmu. Algoritmy strojového učení slibují zefektivnění detekce polypů, a dokonce optickou lokalizaci nálezů, to vše s minimálním zaškolením endoskopisty. Praktickým cílem této studie je analýza CAD softwaru (computer-aided diagnosis) Carebot pro detekci kolorektálních polypů s využitím konvoluční neuronové sítě. Navržený binární klasifikátor pro detekci polypů dosahuje přesnosti až 98 %, specificity 0,99 a preciznosti 0,96. Současně je diskutována nezbytnost dostupnosti rozsáhlých klinických dat pro vývoj modelů na bázi umělé inteligence pro automatickou detekci adenomů a benigních neoplastických lézí.

Anotace anglicky

The use of artificial intelligence as an assistive detection method in endoscopy has attracted increasing interest in recent years. Machine learning algorithms promise to improve the efficiency of polyp detection and even optical localization of findings, all with minimal training of the endoscopist. The practical goal of this study is to analyse the CAD software (computer-aided diagnosis) Carebot for colorectal polyp detection using a convolutional neural network. The proposed binary classifier for polyp detection achieves accuracy of up to 98%, specificity of 0.99 and precision of 0.96. At the same time, the need for the availability of large-scale clinical data for the development of artificialintelligence- based models for the automatic detection of adenomas and benign neoplastic lesions is discussed.

Návaznosti

• MUNI/A/1102/2020, interní kód MU: Název: Umění – design – média. Výzkum a zprostředkování kreativní produkce v lokálním a mezinárodním kontextu

Investor: Masarykova univerzita, Umění – design – média. Výzkum a zprostředkování kreativní produkce v lokálním a mezinárodním kontextu