定点空间网络用于识别上部消化和呼吸道癌症
Lei Zhou1, Huaili Jiang1, Guangyao Li1
1Department of Otorhinolaryngology-Head and Neck Surgery, Zhongshan Hospital Affiliated to Fudan University, Xuhui District, 180 Fenglin Road, , Shanghai, 200032, P. R. China.
BMC medical imaging
|September 25, 2023
概括
人工智能现在可以使用单个深度学习模型检测头癌. 这种方法整合了口腔喉,鼻和喉癌的检测,以提高疗效.
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:
- 人工智能 (AI) 在诊断和规划各种癌症的治疗方面表现有前途.
- 现有的AI模型通常是特定区域的,用于检测口腔喉,鼻或喉癌.
- 目前,对于这些相关的头部和部区域缺乏全面的AI模型.
研究的目的:
- 调查是否存在一个共同的模式存在于口腔喉,鼻和喉区域的癌症外观.
- 开发一个单一的,统一的AI模型,能够在这些地区识别癌症模式.
- 为了提高深度学习模型用于头癌检测的有效性.
主要方法:
- 采用了一个点智的空间注意力网络模型.
- 在口腔喉,鼻喉和喉区域的图像上进行了语义细分.
- 训练了一个单一的AI模型来识别常见的癌症特征.
主要成果:
- 在整个欧盟 (mIoU) 实现了86.3%的平均平均交叉点.
- 实现了 96.3% 的平均像素精度.
- 证明了该模型在识别癌症模式方面的有效性.
结论:
- 证实了口腔喉,鼻喉和喉区域的粘膜和瘤具有可识别的共同外观.
- 一个单一的AI模型可以有效地识别这些共同的癌症特征.
- 可以构建一个统一的深度学习模型来有效检测这些头部和部瘤.
