Transformer模型在上消化道部位识别中的临床应用

张希钢，白杨，戴捷，何顺辉，赖春晓，黄洁文，江海洋

近年来，世界及我国范围内消化道恶性肿瘤的发生率呈升高趋势［1－5］，严重增加社会及家庭的医疗负担。消化道恶性肿瘤早发现、早治疗与患者预后高度相关，多数可以达到完全治愈［6－8］。内镜技术的发展和应用促进了消化道肿瘤早期发现。目前已有内镜窄带成像技术（narrow band imaging，NBI）、放大NBI、放大内镜、共聚焦激光显微内镜、可扩展电子分光色彩强调技术等消化内镜相关技术应用于临床［9－12］，大大提高了消化道肿瘤及病变，尤其是早期上消化道恶性肿瘤的诊断水平。随着计算机技术的发展，人工智能系统在检测消化道疾病方面取得了显著进展，成为国内外研究热点，研究领域涉及食管早癌、胃良恶性溃疡、早期胃癌、胃镜盲区监测、溃疡性结肠炎、结肠息肉等疾病［13－21］。然而，目前尚无关于内镜应用的成熟人工智能产品问世。在人工智能内镜研究中，部位识别是一项基本任务，其目的在于自动检测出图片所处于上消化道中的具体位置。本研究为消化内镜医师与计算机人工智能图像专家合作，开发和验证一种深度学习新方法（Transformer模型），经学习训练形成基于Transformer模型的人工智能系统，验证其在胃镜图像位置识别的有效性。

1 资料与模型

1.1 病例资料

2018年8月至2020年4月，从南方医科大学南方医院、南方医科大学顺德医院等三甲医院共收集胃镜图像21 782张。其中包括训练集18 640张，验证集3 142张。以Olympus公司260、Olympus公司290为主要研究设备，内镜下白光为主要研究图像，放大内镜、NBI、靛胭脂及碘染色等暂不在研究范围。……