Nøjagtighed af computerstøttet (CADx) system i realtidskarakterisering af kolorektale ulcerative sygdomme

I den første retrospektive fase af undersøgelsen er vores primære mål at udvikle og validere et CADx-system. Endoskopiske fotos og videoer vil blive hentet fra eksisterende database i studiecentrene (Nanfang Hospital). For hvert kolorektalt ulcus vil der blive indfanget forskellige endoskopiske visninger. Relevant basislinjedemografi, laboratorierapporter, billeddiagnostiske rapporter, endoskopirapporter og histopatologiske resultater vil blive indsamlet til analyse. Placeringen, størrelsen og morfologien af ​​hver tyktarmslæsion vil blive registreret. Diagnosen af ​​alle kolorektale ulcerative sygdomme blev grundigt evalueret af uafhængige patologer og gastroenterologer. I vores undersøgelse vil vi fokusere på følgende undertyper af kolorektale ulcerative læsioner:

1) kolorektal cancer (CA);2)Crohns sygdom (CD);3)Colitis ulcerosa (UC);4)tarmtuberkulose (ITB);5) iskæmisk colitis (IC).

Alle data vil blive afidentificeret før central behandling for at sikre fortrolighed. Et projektspecifikt løbenummer vil blive brugt til at repræsentere hvert enkelt emne. Alle kliniske data og afidentificerede endoskopiske billeder vil blive holdt fortrolige og vil ikke blive delt med nogen tredjepart.

En træningskohorte vil blive udviklet fra størstedelen af ​​de inkluderede cases, efterfulgt af en valideringskohorte med de resterende cases. De endoskopiske billeder og videoer vil blive forberedt til at træne det indviklede neurale netværk og tilbagevendende neurale netværk ved at vælge passende regioner af interesse (ROI). Multiple ROI inden for samme kolorektale ulcerative sygdom vil blive indsamlet for at reducere selektionsbias. Annotering og validering af endoskopiske billeder vil blive udført af forskerholdet. Billederne vil blive yderligere segmenteret i fliser af samme størrelse til videre behandling. Deep learning-algoritmer vil blive anvendt til at lære og udtrække funktioner på billed- og videodata. Vi vil udvikle det tilbagevendende foldningsnetværk for at udnytte den komplementære information om visuelle og tidsmæssige træk udtrukket fra videoen. Valideringsdata oprettes også under samme princip, som muliggør krydsvalidering for modelnøjagtighed.

I den anden prospektive fase af undersøgelsen sigter vi mod at sammenligne den diagnostiske nøjagtighed mellem CADx-systemet, ekspertendoskopister og juniorendoskopister. Et sæt testbilleder og videoer vil blive indsamlet prospektivt fra andre emner i henhold til de tidligere berettigelseskriterier, efterfulgt af tilfældig tildeling af computergenereret sekvens.

To ekspertendoskopister (med mere end 5 års erfaring i koloskopi og et samlet antal procedurer mere end 1.000) og to juniorendoskopister (med mindre end 3 års erfaring i koloskopi og et samlet antal procedurer under 500), som er blindet til det endelige diagnostiske resultat, vil blive inviteret til at klassificere testsættets billeder og videoer i henhold til de foruddefinerede undertyper. Alle endoskopister vil vurdere testsættets data uafhængigt i realtid. På den anden side vil CADx-systemet scanne testsættets billeder og videoer uafhængigt. Forudsigelsen af ​​ulcus-undertyper vil blive registreret. Den formelle diagnostiske rapport efter evaluering af uafhængige patologer og gastroenterologer vil blive betragtet som grundsandheden.