口腔网络:为口腔状细胞癌检测提供融合最佳深度特征框架
Ramya Mohan1, Arunmozhi Rama1, Ramalingam Karthik Raja1
1Department of Computer Science and Engineering, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Chennai 602105, India.
Biomolecules
|July 29, 2023
概括
这项研究介绍了OralNet,这是一种用于使用组织病理图像早期检测口腔癌的新框架. 口腔网络的准确度超过99.5%,有助于及时诊断和治疗.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 计算病理学计算病理学
背景情况:
- 全球癌症发病率不断上升,需要改进诊断工具.
- 口腔癌是头部和部癌症的一个子集,需要有效的查来早期检测.
- 组织病理学图像对于确定的口腔癌诊断至关重要.
研究的目的:
- 开发和验证一个自动化的框架,OralNet,用于从组织病理图像检测口腔癌.
- 提高口腔癌查的准确性和效率.
- 评估深度学习和传统方法在口腔癌诊断中的临床实用性.
主要方法:
- 图像采集和预处理全幻灯片活检图像的100×和400×放大.
- 使用混合方法的功能提取,将深度学习和手工制作的功能结合起来.
- 通过人工蜂鸟算法 (AHA) 和随后的连接来减少特征.
- 使用三重交叉验证对健康与口腔状细胞癌 (OSCC) 图像进行二元分类.
主要成果:
- 在3000张图像 (1500张健康图像,1500张OSCC) 的数据集上,OralNet表现出高性能.
- 该框架实现了超过99.5%的异常口腔癌检测准确率.
- 验证证实了OralNet框架的稳定性和可靠性.
结论:
- OralNet提供了从临床上显著的进步,从组织病理学幻灯片自动检测口腔癌.
- 拟议的框架显示了将其纳入常规临床实践的潜力,以改善口腔癌查.
- 通过OralNet进行准确和早期检测可以显著影响患者的治疗结果和治疗策略.
