引言胃癌是全球第五大常见癌症,高居癌症相关死亡原因的第四位。我国胃癌的发病率和死亡率也位居前列。由于胃癌早期症状不明显,诊断时常常已进展到晚期阶段,而晚期胃癌死亡率高,5年生存率低。因此,胃癌筛查至关重要,早期发现后进行有效的干预治疗可以有效预防胃癌向晚期进展,显著延长5年生存率。内窥镜检查是临床上胃癌诊疗的重要手段,先进的内窥镜成像有助于病变检测和表征,可以对胃粘膜和血管进行详细可视化,具有更高的检出率和更准确的粘膜病变特征。显微内窥镜成像可以实现微观水平的细胞成像,实现光学活检,帮助指导内镜下活检,减少随机活检产生的取样误差。内窥镜成像需要高质量图像进行观察诊断,易受到多种因素的干扰,导致图像模糊。另一方面,成像结果的诊断高度依赖于内窥镜医生的经验,易产生明显差异。人工智能的快速发展为医学图像的处理、识别及辅助诊断提供了新机遇。材料与方法本研究基于课题组构建的多光谱荧光显微内镜(multispectral fluorescence endomicroscopy,MFE)设备,收集临床上的胃组织活检和手术标本,进MFE成像,通过病理组织学对其进行标记,构建相关MFE图像数据集,制定早期胃癌和癌前病变的诊断模型。研究通过采用传统空域处理方法、频域处理方法以及基于深度学习的图像去噪方法对图像进行光纤去网格化处理,通过图像增强算法进行图像质量的提升。同时,本研究采用ResNet和ViT分类算法分类两种智能诊断方法对正常胃黏膜、胃黏膜低级别上皮内瘤变、胃黏膜高级别上皮内瘤变、胃癌的进行分类,验证其性能。在此基础上构建智能诊断系统并对其进行评价研究,对比智能诊断系统和医生的诊断准确性和诊断效率。结果本研究收集1000余例消化道正常黏膜及不同病灶活检组织或手术标本的内镜图像、病理结果,通过前期构建的MFE设备对其进行成像,成immune cytokine profile功建立数据量500G的MFE图像数据库。其中包含正常胃黏膜38例600张图像,低级别上皮内瘤变25例620张图像,高级别上皮内瘤变25例630张图像,胃癌25例580张图像。结合制定的基于MFE的正常胃黏膜、胃黏膜肠上皮化生、胃黏膜低级别、高级别上皮内瘤及胃癌图像诊断标准,标注图像特征,建立人工智能诊断所需的训练集数据库。同时本研究通过不同的ABT-263试剂图像处理方法完成了光纤去网格化,其中传统的空域处理方法,针对MFE图像设计的陷波滤波,相较于深度学习的算法能够实现更好的去网格化效果。在图像质量提升的研究中,gamma值为40,对比度调节为100时可以更好的提升有网格图像以及网格去除后图像的对比度,图像成像质量最好。另一方面,研究使用ResNet分类算法和ViT分类算法区分正常胃黏膜、胃黏膜低级别上皮内瘤变、胃黏膜高级别上皮内瘤变、胃癌,其分类准确率分别为74-80%和81-85%左右。从执行效率来看,ResNet分类方法执行速度要高于ViT算法,在NVIDIA 3090GPU实验条件下,两个算法效率分别为32fps和14fps。在此研究基础上,本研究又进一步构建了智能诊断系统实现智能辅助诊断,该系统对胃黏膜肠上皮化生、低级别上皮内瘤变、高级别上皮内瘤变和胃癌诊断准确性分别达Compound C到了89.3%、74.3%、78.2%和91.3%,平均诊断时间为1.3分钟。将该结果与医生诊断的准确性和诊断效率相比较,准确性低于医生,但诊断效率高于医生。结论本研究证实了结合MFE设备进行图像处理优化,进而构建人工智能诊断系统可以辅助诊断早期胃癌,能够识别出不同阶段的癌前病变,具有临床应用潜力。