KD_ConvNeXt:基于知识蒸的图像分类肺瘤外科样本截面
Zhaoliang Zheng1,2,3, Henian Yao4,5, Chengchuang Lin1,2,3
1South China Normal University, Guangzhou, China.
Frontiers in genetics
|October 4, 2023
概括
这项研究介绍了KD_ConvNeXt,这是一个新的AI模型,用于从组织病理图像中分类肺癌亚型. 该模型实现了高精度,有助于精确诊断和治疗肺瘤.
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:
- 肺癌是全球癌症相关死亡的主要原因之一.
- 精确的肺瘤亚型确定对于有效的诊断和治疗计划至关重要.
- 肺瘤图像的组织病理学分析对于识别特定亚型至关重要.
研究的目的:
- 开发一种人工智能驱动的方法,使用组织病理学图像对肺癌的特定亚型进行分类.
- 在临床实践中提高肺癌亚型的准确性和效率.
- 构建用于研究的肺瘤组织病理图像的临床数据集.
主要方法:
- 建议使用知识蒸 (KD_ConvNeXt) 的教师-学生网络架构.
- 学生网络 (ConvNeXt) 从教师网络 (Swin Transformer) 的中间特征中学习.
- 这种方法增强了特征提取和模型拟合,教师提供软标签以解决类不平衡.
主要成果:
- 在临床肺瘤图像数据集上,KD_ConvNeXt模型实现了85.64%的分类准确性.
- 获得了0.7717的F1得分,优于其他先进的图像分类方法.
- 实验证明了拟议的知识蒸方法的有效性.
结论:
- 该KD_ConvNeXt模型显示显著的希望,准确的肺瘤亚型从他的病理图像.
- 这种基于人工智能的方法可以帮助临床医生诊断和治疗肺癌.
- 知识蒸有效地提高了医疗图像分类中的深度学习模型的性能.
