BACKGROUND Wireless capsule endoscopy (WCE) is considered to be a powerful instrument for the diagnosis of intestine diseases. Convolution neural network (CNN) is a type of artificial intelligence that has the potential to assist the detection of WCE images. We aimed to perform a systematic review of the current research progress to the CNN application in WCE. METHODS A search in PubMed, SinoMed, and Web of Science was conducted to collect all original publications about CNN implementation in WCE. Assessment of the risk of bias was performed by Quality Assessment of Diagnostic Accuracy Studies-2 risk list. Pooled sensitivity and specificity were calculated by an exact binominal rendition of the bivariate mixed-effects regression model. I2 was used for the evaluation of heterogeneity. RESULTS 16 articles with 23 independent studies were included. CNN application to WCE was divided into detection on erosion/ulcer, gastrointestinal bleeding (GI bleeding), and polyps/cancer. The pooled sensitivity of CNN for erosion/ulcer is 0.96 [95% CI 0.91, 0.98], for GI bleeding is 0.97 (95% CI 0.93-0.99), and for polyps/cancer is 0.97 (95% CI 0.82-0.99). The corresponding specificity of CNN for erosion/ulcer is 0.97 (95% CI 0.93-0.99), for GI bleeding is 1.00 (95% CI 0.99-1.00), and for polyps/cancer is 0.98 (95% CI 0.92-0.99). CONCLUSION Based on our meta-analysis, CNN-dependent diagnosis of erosion/ulcer, GI bleeding, and polyps/cancer approached a high-level performance because of its high sensitivity and specificity. Therefore, future perspective, CNN has the potential to become an important assistant for the diagnosis of WCE.

中文翻译：

---

用于无线胶囊内窥镜诊断的卷积神经网络：系统评价和荟萃分析。

背景技术无线胶囊内窥镜（WCE）被认为是诊断肠道疾病的有力工具。卷积神经网络 (CNN) 是一种人工智能，具有协助检测 WCE 图像的潜力。我们旨在对 WCE 中 CNN 应用的当前研究进展进行系统回顾。方法 在 PubMed、SinoMed 和 Web of Science 中进行搜索，以收集所有关于 CNN 在 WCE 中实施的原始出版物。通过诊断准确性研究的质量评估-2 风险列表进行偏倚风险评估。通过双变量混合效应回归模型的精确二项式再现计算汇总的敏感性和特异性。I2 用于评价异质性。结果 纳入 16 篇文章，23 项独立研究。CNN 对 WCE 的应用分为对糜烂/溃疡、胃肠道出血（GI 出血）和息肉/癌症的检测。CNN 对糜烂/溃疡的综合敏感性为 0.96 [95% CI 0.91, 0.98]，对于 GI 出血为 0.97 (95% CI 0.93-0.99)，对于息肉/癌症为 0.97 (95% CI 0.82-0.99)。CNN 对糜烂/溃疡的相应特异性为 0.97（95% CI 0.93-0.99），对 GI 出血为 1.00（95% CI 0.99-1.00），对息肉/癌症为 0.98（95% CI 0.92-0.99）。结论 根据我们的荟萃分析，由于其高敏感性和特异性，CNN 依赖的糜烂/溃疡、胃肠道出血和息肉/癌症的诊断接近了高水平的表现。因此，未来展望，CNN有潜力成为WCE诊断的重要助手。胃肠道出血（胃肠道出血）和息肉/癌症。CNN 对糜烂/溃疡的综合敏感性为 0.96 [95% CI 0.91, 0.98]，对于 GI 出血为 0.97 (95% CI 0.93-0.99)，对于息肉/癌症为 0.97 (95% CI 0.82-0.99)。CNN 对糜烂/溃疡的相应特异性为 0.97（95% CI 0.93-0.99），对 GI 出血为 1.00（95% CI 0.99-1.00），对息肉/癌症为 0.98（95% CI 0.92-0.99）。结论 根据我们的荟萃分析，由于其高敏感性和特异性，CNN 依赖的糜烂/溃疡、胃肠道出血和息肉/癌症的诊断接近了高水平的表现。因此，未来展望，CNN有潜力成为WCE诊断的重要助手。胃肠道出血（胃肠道出血）和息肉/癌症。CNN 对糜烂/溃疡的综合敏感性为 0.96 [95% CI 0.91, 0.98]，对于 GI 出血为 0.97 (95% CI 0.93-0.99)，对于息肉/癌症为 0.97 (95% CI 0.82-0.99)。CNN 对糜烂/溃疡的相应特异性为 0.97（95% CI 0.93-0.99），对 GI 出血为 1.00（95% CI 0.99-1.00），对息肉/癌症为 0.98（95% CI 0.92-0.99）。结论 根据我们的荟萃分析，由于其高敏感性和特异性，CNN 依赖的糜烂/溃疡、胃肠道出血和息肉/癌症的诊断接近了高水平的表现。因此，未来展望，CNN有潜力成为WCE诊断的重要助手。胃肠道出血为 0.97 (95% CI 0.93-0.99)，息肉/癌症为 0.97 (95% CI 0.82-0.99)。CNN 对糜烂/溃疡的相应特异性为 0.97（95% CI 0.93-0.99），对 GI 出血为 1.00（95% CI 0.99-1.00），对息肉/癌症为 0.98（95% CI 0.92-0.99）。结论 根据我们的荟萃分析，由于其高敏感性和特异性，CNN 依赖的糜烂/溃疡、胃肠道出血和息肉/癌症的诊断接近了高水平的表现。因此，未来展望，CNN有潜力成为WCE诊断的重要助手。胃肠道出血为 0.97 (95% CI 0.93-0.99)，息肉/癌症为 0.97 (95% CI 0.82-0.99)。CNN 对糜烂/溃疡的相应特异性为 0.97（95% CI 0.93-0.99），对 GI 出血为 1.00（95% CI 0.99-1.00），对息肉/癌症为 0.98（95% CI 0.92-0.99）。结论 根据我们的荟萃分析，由于其高敏感性和特异性，CNN 依赖的糜烂/溃疡、胃肠道出血和息肉/癌症的诊断接近了高水平的表现。因此，未来展望，CNN有潜力成为WCE诊断的重要助手。结论 根据我们的荟萃分析，由于其高敏感性和特异性，CNN 依赖的糜烂/溃疡、胃肠道出血和息肉/癌症的诊断接近了高水平的表现。因此，未来展望，CNN有潜力成为WCE诊断的重要助手。结论 根据我们的荟萃分析，由于其高敏感性和特异性，CNN 依赖的糜烂/溃疡、胃肠道出血和息肉/癌症的诊断接近了高水平的表现。因此，未来展望，CNN有潜力成为WCE诊断的重要助手。