通过使用高级视觉转换器提高宫癌前分类
Manal Darwish1, Mohamad Ziad Altabel1, Rahib H Abiyev1
1Department of Computer Engineering, Applied Artificial Intelligence Research Centre, Near East University, Mersin 10, 99138 Nicosia, Turkey.
Diagnostics (Basel, Switzerland)
|September 28, 2023
概括
一个使用视觉转换器的新人工智能系统可以从镜图像中准确识别子宫癌前期类型. 这种工具增强了宫癌查,特别是在资源有限的地区.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 宫癌的发病率和死亡率在全球范围内不断上升,特别是在发展中国家.
- 对查,专家和意识的有限访问加剧了这个问题.
- 目前的查方法包括用乙酸 (VIA) 进行视觉检查,组织病理学,帕帕尼科劳 (Pap) 测试和人类乳头瘤病毒 (HPV) 测试.
研究的目的:
- 利用人工智能开发一个用于宫癌前期识别的自动化系统.
- 提高宫癌查的准确性和可访问性.
- 为临床医生创建一个强大的决策支持工具,特别是在资源较少的环境中.
主要方法:
- 使用视觉变压器 (ViT) 模型,增强了移动补丁代码化 (SPT).
- 在移动ODT数据集中的8215张镜图像上训练并测试了模型.
- 评估了模型对30%的数据集的概括能力.
主要成果:
- 在识别三个不同的子宫癌前期类型时,获得了91%的准确性.
- 与最先进的方法相比,证明了卓越的性能.
- 该模型有效地学习了宫癌前期类型之间的区分特征.
结论:
- 开发的ViT-SPT系统为子宫癌前期检测提供了一个高度准确和自动化的方法.
- 这项技术可以作为一种有价值的决策支持工具,改善服务不足地区的查.
- 该系统在全球范围内对宫癌的早期检测和管理具有重大潜力.
