深いニューラルネットワークを使用したカプセル内視鏡検査画像上のクローン病の腸内狭窄の自動検出

背景と目的：カプセル内視鏡検査[CE]で頻繁に検出される可能性のある腸の狭窄が頻繁に検出されます。このような狭窄は、炎症性スコアの主要な要素です。CEの深いニューラルネットワークテクノロジーが出現しています。しかし、クローン病のCE画像[CD]患者の腸の狭窄を特定する深いニューラルネットワークの能力はまだ評価されていません。 方法：狭窄のCE画像を検出するための最先端のディープラーニングネットワークをテストしました。正常な粘膜、粘膜性潰瘍、およびクローン病患者の狭窄の画像は、前述のCE画像銀行から回収されました。潰瘍は重症度の程度に従って分類されました。10回の相互検証実験を行いました。トレーニングセットとテストセットの間に明確な患者レベルの分離が維持されました。 結果：全体として、データセット全体には27の892 CE画像：1942狭窄画像、14 266の通常の粘膜画像、および11 684潰瘍画像[軽度：7075、中程度：2386、重度：2223]が含まれていました。狭窄と非批判を分類するために、ネットワークは93.5％の平均精度を示しました[±6.7％]。ネットワークは、狭窄と正常粘膜（曲線下の面積[AUC] 0.989）、狭窄およびすべての潰瘍[AUC 0.942]、および狭窄と異なるグレードの潰瘍の間の優れた分化を達成しました[軽度、中程度、および重度の潰瘍の場合0.992、0.975、および0.889、それぞれ]。 結論：クローン病のCE画像の狭窄の検出において、深いニューラルネットワークは非常に正確です。ネットワークは、重大度の範囲を越えて潰瘍から狭窄を正確に分離できます。深いニューラルネットワークによる潰瘍と狭窄の検出の現在の精度により、CEに関するクローンの病気関連の所見の自動検出とグレーディングが可能になる場合があります。

BACKGROUND AND AIMS: Passable intestinal strictures are frequently detected on capsule endoscopy [CE]. Such strictures are a major component of inflammatory scores. Deep neural network technology for CE is emerging. However, the ability of deep neural networks to identify intestinal strictures on CE images of Crohn's disease [CD] patients has not yet been evaluated. METHODS: We tested a state-of-the-art deep learning network for detecting CE images of strictures. Images of normal mucosa, mucosal ulcers, and strictures of Crohn's disease patients were retrieved from our previously described CE image bank. Ulcers were classified as per degree of severity. We performed 10 cross-validation experiments. A clear patient-level separation was maintained between training and testing sets. RESULTS: Overall, the entire dataset included 27 892 CE images: 1942 stricture images, 14 266 normal mucosa images, and 11 684 ulcer images [mild: 7075, moderate: 2386, severe: 2223]. For classifying strictures versus non-strictures, the network exhibited an average accuracy of 93.5% [±6.7%]. The network achieved excellent differentiation between strictures and normal mucosa (area under the curve [AUC] 0.989), strictures and all ulcers [AUC 0.942], and between strictures and different grades of ulcers [for mild, moderate, and severe ulcers-AUCs 0.992, 0.975, and 0.889, respectively]. CONCLUSIONS: Deep neural networks are highly accurate in the detection of strictures on CE images in Crohn's disease. The network can accurately separate strictures from ulcers across the severity range. The current accuracy for the detection of ulcers and strictures by deep neural networks may allow for automated detection and grading of Crohn's disease-related findings on CE.