Научная статья

Применение искусственного интеллекта для выявления инфекции Helicobacter pylori при магнитоуправляемой капсульной эндоскопии

Application of artificial intelligence for detection of Helicobacter pylori infection by magnetically controlled capsule endoscopy

Surgical Endoscopy
10.1007/s00464-025-12415-8
Открыть в журнале PubMed
FWCI: 1.01FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Процитировано: 2 · Ссылки: 37 · Лицензия: Закрытая
Цитирование по годам: 2026: 1

Аннотация

Введение: Искусственный интеллект всё чаще применяют при магнитоуправляемой капсульной эндоскопии. Целью настоящего исследования была разработка системы искусственного интеллекта для автоматического выявления инфекции Helicobacter pylori по изображениям, полученным при магнитоуправляемой капсульной эндоскопии, и оценка её диагностической эффективности.

Методы: В исследование проспективно включали пациентов с известным статусом инфекции Helicobacter pylori, которым выполняли магнитоуправляемую капсульную эндоскопию в период с апреля 2022 года по март 2023 года. Изображения, полученные при исследовании, собирали и формировали из них набор данных: 80% изображений использовали для обучения, 10% — для валидации и 10% — для тестирования. В системе искусственного интеллекта последовательно применяли четыре модели свёрточных нейронных сетей: MobileNetV2, DenseNet264, ShuffleNetV2 и ResNet50. Диагностическую эффективность моделей и оптимальную модель оценивали по точности, чувствительности, специфичности и средней продолжительности анализа одного изображения.

Результаты: Всего были включены 142 пациента: 71 с положительным и 71 с отрицательным результатом на инфекцию Helicobacter pylori. В обучающую, валидационную и тестовую выборки вошли соответственно 25 985 изображений (114 пациентов), 2767 изображений (14 пациентов) и 3027 изображений (14 пациентов). Для каждой модели значения точности, чувствительности, специфичности и средней продолжительности анализа одного изображения составили: MobileNetV2 — 95,7%, 98,1%, 93,3% и 0,01176 с; DenseNet264 — 95,3%, 98,5%, 92,2% и 0,04572 с; ShuffleNetV2 — 95,7%, 98,5%, 93,1% и 0,00588 с; ResNet50 — 95,1%, 95,8%, 94,5% и 0,01110 с соответственно.

Выводы: Система искусственного интеллекта на основе модели ShuffleNetV2 продемонстрировала наилучшую эффективность, что свидетельствует о её потенциальной пригодности для помощи практикующим врачам в выявлении инфекции Helicobacter pylori при магнитоуправляемой капсульной эндоскопии.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.

Попробовать бесплатно →

Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.