基于CT图像与堆概括模型相结合的良性和恶性瘤的分类

科学领域:

• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 鼻瘤在耳鼻喉学中很常见,恶性类型会导致面部.
• 目前的诊断依赖于计算机断层扫描 (CT),涉及主观的临床医生判断和高的工作负载.
• 需要对瘤进行自动分类,以帮助医生,提高诊断效率.

研究的目的:

• 提出一个堆叠的概括模型,用于自动分类膜瘤图像.
• 评估模型在区分良性和恶性瘤的有效性.
• 为了减少医生在手术前分类中的诊断负担.

主要方法:

• 使用ResNet50预训练模型从状腺瘤图像中提取特征.
• 开发了一种堆叠的概括模型,在第一层中有多个弱学习者.
• 整合弱学习者输出到第二层的元分类器中进行最终分类.

主要成果:

• 堆叠的概括模型实现了91%的分类准确性.
• 该模型有效地识别了腺中的良性和恶性瘤.
• 与其他评估的分类器相比,表现出优越的性能.

结论:

• 提出的堆叠概括模型为自动瘤分类提供了有效的解决方案.
• 这种人工智能驱动的方法可以显著帮助耳鼻喉科医生在手术前诊断.
• 该模型有可能减轻医生的工作量并提高诊断准确度.