
近日,廣東技術(shù)師范大學及廣東醫(yī)科大學李振彰團隊發(fā)表了一項研究成果,團隊開發(fā)了一款基于深度學習的智能手機應(yīng)用程序“Nose-Keeper”,該程序能夠利用內(nèi)窺鏡圖像早期檢測鼻咽癌,整體準確率超過92%。
鼻咽癌(NPC)是頭頸部極為常見的一種惡性腫瘤,在東亞與東南亞地區(qū)的發(fā)病情況尤為突出 。由于 NPC 在早期階段癥狀表現(xiàn)并不典型,常致使診斷出現(xiàn)延遲,進而使得患者預后較差。數(shù)據(jù)顯示,處于早期階段的 NPC 患者,其 5 年生存率能夠達到 94% ;與之形成鮮明對比的是,晚期 NPC 病例的 10 年生存率一般僅在 50% 至 70% 這個區(qū)間范圍內(nèi)。鑒于此,實現(xiàn)對鼻咽癌的早期檢測,無疑具有極其重要的意義,是提升患者生存率與改善預后效果的關(guān)鍵所在。
研究團隊運用多中心、回顧性的方法,致力于構(gòu)建一個大規(guī)模的鼻內(nèi)窺鏡白光圖像數(shù)據(jù)庫。他們從三家地處鼻咽癌高風險區(qū)域的醫(yī)院,精心收集了 39,340 張鼻內(nèi)窺鏡白光圖像。這些圖像涵蓋了 2134 名鼻咽癌患者以及 11,824 名非鼻咽癌患者的數(shù)據(jù)。
在研究過程中,團隊引入了八個先進的深度學習模型,同時開發(fā)出一款支持互聯(lián)網(wǎng)的智能手機應(yīng)用程序 ——“Nose - Keeper”。這款應(yīng)用程序具備早期檢測鼻咽癌和五種常見鼻腔疾病的功能,還能對健康個體進行評估。
為確保模型擁有良好的泛化能力,有效避免過擬合問題,研究團隊在研究時,采用了將數(shù)據(jù)劃分為內(nèi)部訓練集、內(nèi)部驗證集和內(nèi)部測試集的方式。
研究團隊運用多中心、回顧性的方法,致力于構(gòu)建一個大規(guī)模的鼻內(nèi)窺鏡白光圖像數(shù)據(jù)庫。他們從三家地處鼻咽癌高風險區(qū)域的醫(yī)院,精心收集了 39,340 張鼻內(nèi)窺鏡白光圖像。這些圖像涵蓋了 2134 名鼻咽癌患者以及 11,824 名非鼻咽癌患者的數(shù)據(jù)。
在研究過程中,團隊引入了八個先進的深度學習模型,同時開發(fā)出一款支持互聯(lián)網(wǎng)的智能手機應(yīng)用程序 ——“Nose - Keeper”。這款應(yīng)用程序具備早期檢測鼻咽癌和五種常見鼻腔疾病的功能,還能對健康個體進行評估。為確保模型擁有良好的泛化能力,有效避免過擬合問題,研究團隊在研究時,采用了將數(shù)據(jù)劃分為內(nèi)部訓練集、內(nèi)部驗證集和內(nèi)部測試集的方式。
經(jīng)測試,在內(nèi)部測試集上,所有模型展現(xiàn)出了令人矚目的性能,平均總體準確率超過 92%,這充分顯示出深度學習模型在診斷鼻內(nèi)窺鏡圖像方面蘊含的巨大潛力。其中,表現(xiàn)最為突出的是 SwinT 模型,其平均總體準確率高達 0.9515 ;而 ResNet 模型的平均總體準確率相對最低,為 0.9280。
在特異性和敏感性這兩個關(guān)鍵指標上,SwinT 模型更是表現(xiàn)卓越。在鼻咽癌檢測中,其特異性達到 96.39%,敏感性高達 99.91%,這一成績顯著優(yōu)于九位經(jīng)驗豐富的耳鼻喉科醫(yī)生。不僅如此,在非鼻咽癌類別中,SwinT 模型的敏感性超過 86.00%,特異性也超過 95.00%。
在外部測試集上,SwinT模型總體準確率達到了92.27%,對于鼻咽癌的敏感性和特異性分別達到了96.39%和99.91%。與耳鼻喉科醫(yī)生的診斷結(jié)果比較,SwinT模型在診斷鼻咽癌和其他鼻腔疾病方面均表現(xiàn)出了更優(yōu)的性能。
這項研究為鼻咽癌的早期檢測和診斷提供了一種新的、高效的工具,尤其是在資源有限的地區(qū),有望顯著提高鼻咽癌的早期診斷率和患者的生存率。
郵政編碼:200052 電話:021-63800152 傳真:021-63800151 京ICP備15010734號-10 技術(shù):網(wǎng)至普網(wǎng)站建設(shè)