Identificación precisa de la diferenciación patológica del cáncer gástrico basada en imágenes hiperespectrales y...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial en oncología
• Ingeniería biomédica

Sus antecedentes:

• La clasificación precisa de la diferenciación del cáncer gástrico es vital para el pronóstico del paciente y la planificación del tratamiento.
• La imagen hiperspectral (HSI) ofrece una gran cantidad de información espectral para el análisis de tejidos.
• Los modelos de aprendizaje profundo muestran potencial para el análisis automatizado de imágenes médicas.

Objetivo del estudio:

• Desarrollar y evaluar un modelo ligero de aprendizaje profundo, Red Residual Profunda Mejorada (IDRN), para la identificación precisa de tejidos de cáncer gástrico utilizando HSI.
• Comparar el rendimiento de IDRN con el aprendizaje automático tradicional (SVM) y otros modelos de aprendizaje profundo (ResNet50, ViT).

Principales métodos:

• Utilizó imágenes hiperespectrales (HSI) para la adquisición de datos de tejido de cáncer gástrico.
• Desarrolló una red residual profunda mejorada (IDRN) que incorpora preprocesamiento espectral, reducción de dimensionalidad y mecanismos de atención.
• Se llevaron a cabo experimentos comparativos con los modelos de máquina vectorial de soporte (SVM), ResNet50 y transformador de visión (ViT).

Principales resultados:

• El modelo IDRN propuesto demostró un rendimiento superior en la clasificación de los tejidos de cáncer gástrico en comparación con SVM, ResNet50 y ViT.
• El IDRN mostró una eficacia particular en la identificación de tejidos de cáncer gástrico poco diferenciados.
• La naturaleza ligera de IDRN garantiza la eficiencia en la extracción de características.

Conclusiones:

• El modelo IDRN combinado con HSI es una herramienta prometedora para el diagnóstico asistido por computadora del cáncer gástrico.
• Este enfoque ofrece potencial para mejorar la precisión y la eficiencia en entornos clínicos.
• La investigación adicional puede facilitar la traducción clínica para un mejor manejo del cáncer gástrico.