早筛网讯：
近日，广东技术师范大学及广东医科大学李振彰团队发表了一项研究成果，
团队
开发了一款基于深度学习的智能手机应用程序“Nose-Keeper”，该程序能够利用内窥镜图像早期检测鼻咽癌，整体准确率超过92%。
鼻咽癌是头颈部最常见的恶性肿瘤之一，尤其在东亚和东南亚地区。NPC的早期症状不典型，导致诊断延迟，预后较差。早期NPC的5年生存率可达94%，而晚期病例的10年生存率通常在50%到70%之间。因此，早期检测
鼻咽癌
至关重要。
研究团队采用了一种多中心、回顾性的方法来构建一个大规模的鼻内窥镜白光图像数据库。他们从三个位于鼻咽癌高风险区域的医院收集了39,340张鼻内窥镜白光图像，这些图像
涵盖了2134名鼻咽癌患者和11,824名非鼻咽癌患者的数据。研究团队采用了的八个先进的深度学习模型，并开发了一个支持互联网的智能手机应用程序“Nose-Keeper”，用于早期检测鼻咽癌和五种常见的鼻腔疾病，评估健康个体。研究过程中，团队采用了内部训练集、内部验证集和内部测试集的划分方式，以确保模型的泛化能力和避免过拟合。
在内部测试集上，所有模型的平均总体准确率超过了92%
，显示出深度学习模型在诊断鼻内窥镜图像方面的巨大潜力。其中，
SwinT模型表现最佳
，平均总体准确率达到了0.9515
，而ResNet模型的平均总体准确率最低，为0.9280。在特异性和敏感性方面，SwinT模型在鼻咽癌检测中分别达到了96.39%和99.91%，显著优于九位经验丰富的耳鼻喉科医生。此外，
SwinT模型在非鼻咽癌类别中的敏感性和特异性也超过了86.00%和95.00%。
在外部测试集上，SwinT模型总体准确率达到了92.27%
