ディープラーニング情報融合とニュートン・ラフソン制御された海洋捕食者アルゴリズムに基づく無線カプセル内視鏡画像による胃腸疾患分類

Saddaf Rubab¹, Muhammad Jamshed², Muhammad Attique Khan²

¹Department of Computer Engineering, College of Computing and Informatics, University of Sharjah, Sharjah, 27272, United Arab Emirates. srubab@sharjah.ac.ae.

Scientific reports

|September 1, 2025

まとめ

この研究では,胃腸道疾患 (GIT) の早期発見のためのコンピュータ支援診断 (CAD) システムが導入されます. この新しいディープラーニングアプローチは診断の精度を大幅に向上させ早期に癌を特定するのに役立ちます

科学分野:

医療用イメージング
人工知能
胃腸内科

背景:

癌は世界中で主要な死因です.
エンドスコピーを用いて胃腸道 (GIT) の異常を診断することは,観察者間の変動性と専門知識のために課題に直面します.
微妙な病変は見逃され早期の癌診断を遅らせます

研究の目的:

GIT疾患の早期発見と分類のための高度なコンピュータ支援診断 (CAD) システムを開発する.
診断の精度を高め,手動内視鏡による解釈の限界を克服する.
ディープラーニングと機能の最適化により,GITの異常を特定する.

主な方法:

改造された深層学習モデル (ResNet18,EFP層付きResNet50) と最適な機能選択を組み合わせた新しいCADシステム.
訓練と検証のためにKvasir V1,Kvasir V2,Hyperkvasirのデータセットを使用しました.
トップ・ボトム・フィルタリング,エントロピック・フィールド・プロパガンダ (EFP) 層,ニュートン・ラプソン・マリン・プレダター・オプティマイゼーション (NRMPO) を使ってコントラストを高める.

主要な成果:

提案されたCADシステムは,Kvasir V1では99. 0%,Kvasir V2では89. 6%,Hyperkvasirでは82. 7%の高い精度を達成しました.
新しい平均値の値ベースのアプローチを使用した特徴融合は,分類のパフォーマンスを改善しました.
報告された精度を達成するための中間ステップの有効性を確認した.

結論:

開発されたCADシステムは,最先端の技術と比較して優れた性能を示しています.
この方法は,GIT疾患の診断の正確性と精度を向上させます.
このアプローチは,胃腸の異常を早期に確実に見つける大きな可能性を秘めています.

キーワード:

分類するディープラーニング合併について最適化について胃がん無線カプセル内視鏡

さらに関連する動画