脑电图扫描胰腺癌细分和分类使用深度学习和衣群算法
Hari Prasad Gandikota1, Abirami S1, Sunil Kumar M2
1Department of Computer Science & Engineering, Annamalai University, Chidambaram, Tamilnadu, India.
PloS one
|November 6, 2023
概括
这项研究引入了一种新的深度学习技术,用于CT扫描中的胰腺癌 (PC) 分类. 通过结合先进的细分和分类模型,TSADL-PCSC方法提高了诊断的准确性.
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:
- 胰腺癌 (PC) 是一种高度致命的疾病,存活率很低,需要准确及时诊断.
- 计算机断层扫描 (CT) 扫描对于可视化胰腺组织至关重要,有助于区分癌症和非癌症区域.
- 机器学习 (ML) 和深度学习 (DL) 在自动化和改进来自CT扫描的PC分类方面表现有前途.
研究的目的:
- 开发一个准确和高效的深度学习模型,用于CT扫描中的胰腺癌细分和分类.
- 通过自动化方法提高胰腺癌检测的诊断性能.
主要方法:
- 开发了基于深度学习的胰腺癌细分和分类 (TSADL-PCSC) 技术的 Tunicate Swarm 算法.
- 在CT扫描中,W-Net被用于精确细分受影响的胰腺区域.
- 幽灵网作为特征提取器,并使用深回声状态网络 (DESN) 来进行分类,超参数由Tunicate Swarm算法 (TSA) 调整.
主要成果:
- 与现有方法相比,TSADL-PCSC技术在胰腺癌分类准确度方面取得了显著的改进.
- 在基准CT扫描数据库上的实验结果验证了拟议方法的有效性.
结论:
- TSADL-PCSC技术为使用CT扫描进行胰腺癌分类提供了一个有希望,准确和自动化的解决方案.
- 这种先进的深度学习方法有可能显著改善胰腺癌患者的诊断结果.
