Thanh bên bài viết

PDF
Ngày xuất bản: 12/01/2022
Số lượt xem tóm tắt: 280
Số lượt xem PDF: 223
DOI: https://doi.org/10.51298/vmj.v509i1.1763
Số xuất bản
Tập 509 Số 1 (2021)
Chuyên mục
Các bài báo
Trích dẫn bài báo
Việt Hằng, Đào ., Thanh Tùng, N., Ngọc Hoa, L. ., Phúc Bình, N. ., Văn Long, Đào ., Thị Thủy, N., & Viết Sang, Đinh . (2022). NGHIÊN CỨU ĐÁNH GIÁ ĐỘ CHÍNH XÁC CỦA THUẬT TOÁN EFFICIENTNET TRONG PHÁT HIỆN VÀ KHOANH VÙNG POLYP ĐẠI TRÀNG. Tạp Chí Y học Việt Nam, 509(1). https://doi.org/10.51298/vmj.v509i1.1763

NGHIÊN CỨU ĐÁNH GIÁ ĐỘ CHÍNH XÁC CỦA THUẬT TOÁN EFFICIENTNET TRONG PHÁT HIỆN VÀ KHOANH VÙNG POLYP ĐẠI TRÀNG

Việt Hằng Đào 1,2,3,, Thanh Tùng Nguyễn1, Ngọc Hoa Lâm 1, Phúc Bình Nguyễn 1, Văn Long Đào 1,2,3, Thị Thủy Nguyễn4, Viết Sang Đinh 5
1 Viện Nghiên cứu và Đào tạo Tiêu hóa, Gan mật
2 Bộ môn Nội tổng hợp, Trường Đại học Y Hà Nội
3 Trung tâm Nội soi, Bệnh viện Đại học Y Hà Nội
4 Học viện Nông nghiệp Việt Nam
5 Trường Đại học Bách khoa Hà Nội

Nội dung chính của bài viết

Tóm tắt

Mục tiêu của nghiên cứu: đánh giá độ chính xác của thuật toán EfficientNet trong phát hiện polyp đại tràng và khảo sát các yếu tố liên quan đến tỷ lệ bỏ sót, nhận nhầm. Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang. Thuật toán EfficientNet được kiểm chứng trên tập ảnh tĩnh bao gồm 4000 ảnh (2000 ảnh có polyp với 2111 tổn thương, 2000 ảnh không có polyp) bằng cách so sánh với phần gán nhãn chuẩn của chuyên gia. Độ chính xác được đánh giá bằng độ nhạy (Se), độ đặc hiệu (Sp), giá trị dự báo dương tính (PPV), giá trị dự báo âm tính (NPV). Mô hình hồi quy được sử dụng để khảo sát những yếu tố liên quan đến tỉ lệ bỏ sót và nhận nhầm. Kết quả: Se, PPV, Sp, NPV và độ chính xác lần lượt là 97,60%, 94,44%, 94,25%, 97,52% và 95,93%. Phân tích hồi quy đa biến cho thấy độ sạch, kích thước và số lượng vùng polyp có liên quan tới tỷ lệ bỏ sót, độ sạch và chẩn đoán có liên quan đến tỷ lệ nhận nhầm. Kết luận: Thuật toán EfficientNet có độ chính xác cao, có thể phát triển theo hướng đồng kiểm với bác sĩ nội soi trong quá trình soi và có thể tham gia huấn luyện, đào tạo y khoa với dữ liệu lớn.

Chi tiết bài viết

Từ khóa

Trí tuệ nhân tạo, EfficientNet, nội soi đại tràng, phát hiện polyp, khoanh vùng polyp

Tài liệu tham khảo

1. Đào Việt Hằng và cộng sự. (2020).Kết quả bước đầu của ứng dụng trí tuệ nhân tạo trong phát hiện polyp đại tràng tại Việt Nam.Tạp chí Nghiên cứu Y học,130 (6), 101-110.
2. International Agency for Research on Cancer (2020). The Globocan Cancer Obseratory. Country profile: Vietnam.
3. Lai E.J., Calderwood A.H., Doros G. và cộng sự. (2009). The Boston Bowel Preparation Scale: A valid and reliable instrument for colonoscopy-oriented research. Gastrointest Endosc, 69(3 Pt 2), 620–625.
4. Lui T.K.L., Hui C.K.Y. và cộng sự. (2021). New insights on missed colonic lesions during colonoscopy through artificial intelligence-assisted real-time detection (with video). Gastrointest Endosc, 93(1), 193-200.
5. Ozawa T., Ishihara S. và cộng sự. (2020). Automated endoscopic detection and classification of colorectal polyps using convolutional neural networks. Therap Adv Gastroenterol,13, 1756284820910659.
6. Seo J.H., Lee B.-I. và cộng sự. (2020). Adenoma miss rate of polypectomy-referring hospitals is high in Korea. Korean J Intern Med, 35(4), 881–888.
7. Valarini S.B.M.và cộng sự. (2011). Correlation between location, size and histologic type of colorectal polyps at the presence of dysplasia and adenocarcinoma. Journal of Coloproctology (Rio de Janeiro), 31(3), 241–247.
8. Wang P., Xiao X., Glissen Brown J.R. và cộng sự. (2018). Development and validation of a deep-learning algorithm for the detection of polyps during colonoscopy. Nat Biomed Eng,2(10), 741–748.