【论文阅读笔记】内镜人工智能诊断辅助系统对胃局灶性病变检出的应用

作者：张梦娇/徐铭/张晨霞/白宇彤/吴练练/商任铎/王君潇/董泽华/李昊/匡浩/朱益洁/胡珊/何鑫琦/陶逍/杜泓柳/于红刚
效果视频：扫码观看；

小结

  从效果视频来看，仍有“画图延迟”的问题。本版本的系统，仍是两个算法的结合。只不过之前在结直肠的算法组合是YOLO粗筛 + ResNet152 细分的方式。现在是 分类算法粗筛（文中表示为过滤画质欠佳的图像）+ YOLOv3的版本。YOLOv3在1080Ti上性能不至如此，文中写着有45帧/s的处理速度。问题倒是挺好定位的。

  从算法指标上来看，图像测试集上，准确率$92.3\%$（$5064/5488$）/敏感度$95.0\%$（$2597/2733$）/特异度$89.5\%$（$2467/2755$）/阳性预测率$0.0\%$（$2597/2885=$）/阴性预测率$94.8\%$（$2467/2603$）。
  视频测试集上，准确率$95.4\%$（$274792/288168$）/敏感度$95.2\%$（$109727/115287$）/特异度$95.5\%$（$165065/172881$）/阳性预测值$93.4\%$（$109727/117543$）/阴性预测值$96.7\%$（$165065/170625$）。

  临床应用中，本文的人工智能辅助系统对胃局灶性病变的检出率为$93.0\%$（$6830/7344$），这个比例是从$3997$例患者里找到$7344$个病灶，应该是属于逐病灶率。对于实际应用中，逐帧各种指标下滑我都能理解。但逐病灶率，不如测试集中的逐帧敏感度，是我暂时理解不了的。可能是训练集和测试集均不覆盖部分病灶？因为能被标记为病灶，说明医师已经对准位置，并靠近放大过，应该不存在方位和大小之间的泛化性问题。
  漏检胃局灶性病变 514 514