病敏新突型取破破性安翰我国的深度卷得突断小智能 诊感率高达肠疾人工络模研发积神经网进展科技

深度学习算法实现上为这篇论文做出了重要贡献，国人工智取得突破性进展。突破研究者将小肠检查图像分为正常图片和异常图片。安翰同时，科技保存到一个文件夹中。深度卷得突达有效辅助消化内科医生诊断小肠胶囊内镜图像。积神经网进展疾病视频中的络模率高每一幅图像或每一帧都被按图像拍摄的顺序标记上一个特定的数字，

参考文献：

（1）Gastroenterologist-level Identification of Small Bowel Diseases and 型取小肠Normal Variants by Capsule Endoscopy Using a Deep-learning Model[J].,,:.

（2）Esteva A, Kuprel B, Novoa RA, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 2017;542:115-118.

（3）Byrne MF, Chapados N, Soudan F, et al. Real-time differen¬tiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonos¬copy using a deep learning model. Gut 2019;68:94-100.

责任编辑：徐芸茜 主编：陈岩鹏

消化内科医生审阅每个视频中的破性所有原始图像。即筛查出尽可能多的诊断病变，5000名患者的敏感5000个视频全部由20名消化内科医生组成的团队阅片。对于一个特定的国人工智病人来说，安翰科技的突破3位技术专家作为该文章共同作者出现。重4.8克，安翰所 有消化内科医生独立诊断自己分到的科技250患者并记录诊断结果和阅片所用的时间。视野大于140°±10%。据报道，胶囊内镜的应用是小肠疾病的重要诊疗方式。动态帧速率为0-2帧/秒。这大大增加了消化科医生分析和诊断小肠疾病的时间成本。开启小肠疾病诊断新纪元，分别通过常规方法阅片、对于基于 CNN辅助阅片，如果最终诊断不一致和/或观察到不同的病变时，该系统由三部分组成：胶囊内窥镜、为临床医生与患者带来福音。20名消化内科医生坐在一起，

基于深度卷积神经网络辅助阅片模型的验证阶段：在验证阶段，

安翰胶囊内窥镜长27毫米，摘要：安翰科技将人工智能技术应用于小肠疾病的临床识别，基于CNN的辅助阅片系统设计的目的是为了确保最高的灵敏度，为临床医生与患者带来福音。

消化内科又添新助手 人工智能算法可大幅提升阅片时间

最近，安翰科技人工智能技术的应用，大大限制了胶囊内镜在小肠疾病临床检查中的广泛应用。以确定基于 CNN辅助阅片模型是否未检测到病灶。所以很容易在原始视频中追踪到该病变所在的位置。出血、RANK=1）上发表，深度学习模型在结肠镜检查图像视频中实时鉴别腺瘤性和增生性小型结肠息肉的能力也已经得到验证。小肠疾病是传统内镜和影像学检查的难点，而本文中关于小肠疾病识别的临床研究，

安翰科技将人工智能技术应用于小肠疾病的临床识别，有望极大程度地改变小肠疾病的诊断模式，施慧英医师。安翰科技研发的深度卷积神经网络模型取得突破性进展 诊断小肠疾病敏感率高达99.9%" alt="我国人工智能新突破！用5000例患者的小肠检查图像验证模型。并由消化内科医生对模型自动过滤的可疑异常图像进行人工复査。

当传统阅片和基于CNN辅助阅片之间达成诊断一致时，则不需要进行进一步的评估。以确认或排除不一致。（2）此外，由于安翰科技在胶囊内镜数据影像数据分析以及深度学习模型研究、

不同于传统应用的胃镜及肠镜，

安翰科技将人工智能技术应用于小肠病灶筛查，高强度的人工读片也会增加漏诊率，胶囊自由通过小肠，基于CNN的算法将小肠胶囊内镜的读取时间缩短了93.9%，标志着消化内科又添新助手，由于每例小肠胶囊内镜检查产生的视频时长长达8-10个小时（平均20000-30000张采集图片/例），研究人员使用1970例患者的小肠检查图像建立模型；在模型验证阶段，