使用转移学习和二进制高级子喉优化算法诊断子病
Amal H Alharbi1, S K Towfek2,3, Abdelaziz A Abdelhamid4,5
1Department of Computer Sciences, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia.
Biomimetics (Basel, Switzerland)
|July 28, 2023
概括
这项研究引入了一种使用人工智能的新方法,以早期检测麻疹皮肤病变. 这种方法提高了诊断准确度,这对于管理潜在的疫情和减少公共卫生问题至关重要.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 医疗保健中的人工智能
背景情况:
- 病毒 (MPXV) 检测至关重要,特别是在COVID-19大流行之后,由于潜在的公共卫生危机.
- 皮肤病变是MPXV感染的关键指标,需要快速准确的诊断工具.
- 现有的诊断方法可能需要加强流行病级别检测能力.
研究的目的:
- 开发和评估一种新的元启发优化方法,用于增强天花检测.
- 为了提高特征选择和分类的性能,以识别麻疹指示性皮肤病变.
- 建立一个强大的系统,在潜在的流行病期间快速识别麻疹病例.
主要方法:
- 利用深度学习 (GoogLeNet) 和转移学习从皮肤病变指标中提取特征.
- 使用二进制Dipper Throated Optimization (DTO) 算法进行高效的特征选择.
- 应用了决策树分类器,通过连续DTO算法进行优化,以实现准确的分类.
主要成果:
- 实现了高性能指标:F1得分为0.92,灵敏度为0.95,特异性为0.61,p值为0.89,N值为0.79.
- 优化的决策树分类器为水检测带来了94.35%的整体准确性.
- 统计测试 (ANOVA,威尔科克森签名排名测试) 证实了拟议的方法优于其他方法.
结论:
- 提出的元启发式优化方法显著提高了使用皮肤病变检测水的准确性.
- 这种由人工智能驱动的方法提供了一个独特而有价值的工具,用于快速识别麻疹病例.
- 这些发现支持了这种方法在早期检测和管理MPXV爆发方面的潜力.
