血液癌症检测使用白血癌细胞,并使用转移学习和图像处理
Muhammad Umar Nasir1, Muhammad Farhan Khan2, Muhammad Adnan Khan3,4
1Department of Computer Science, Bahria University, Lahore Campus, Lahore 54000, Pakistan.
Journal of healthcare engineering
|June 7, 2023
概括
这项研究引入了一种先进的深度学习模型,用于早期检测血液癌症. 该模型在识别癌症白细胞方面达到97.3%的准确性,提高了生存率.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 淋巴瘤和白血病是致命的血液癌症,死亡率高.
- 早期发现血液癌症对于改善患者存活率至关重要.
- 手动分析白细胞图像以预测癌症是耗时且容易出现错误的.
研究的目的:
- 开发一个准确和高效的深度学习模型,用于早期预测血液癌症.
- 通过图像处理和转移学习,提高癌症白细胞的预测准确度.
- 克服血液癌症诊断现有的手动和机器学习方法的局限性.
主要方法:
- 开发了一个深度学习模型,集成转移学习和图像处理技术.
- 多种转移学习模型 (AlexNet,MobileNet,ResNet) 用不同的参数进行了评估.
- 使用云技术来选择最佳预测模型.
- 使用各种指标评估绩效,包括准确性和错误分类率.
主要成果:
- 提出的模型,特别是具有随机梯度下降势头和图像处理的AlexNet,实现了97.3%的预测准确度.
- 性能最好的模型的错误分类率为2.7%.
- 与没有图像处理的模型相比,该模型表现出更高的性能.
结论:
- 开发的深度学习模型显示出对血液癌症的智能诊断具有重大前景.
- 转移学习和图像处理的整合提高了白细胞分析的准确性.
- 这种方法可以帮助早期和准确检测淋巴瘤和白血病等疾病.
