一个具有中间层的深度学习框架,使用集群智能优化器来诊断口腔状细胞癌

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:

• 口腔状细胞癌 (OSCC) 是一种流行癌症,早期检测对于降低死亡率至关重要.
• 组织病理学图像的自动化分析为识别异常的口腔病变提供了一个有希望的途径.
• 当前的深度学习模型需要优化,以便对这些图像进行准确的分类.

研究的目的:

• 开发和评估一个深度学习框架,用于将口腔组织病理图像归类为正常或OSCC.
• 调查一项新型群体智能技术的有效性,即修改后大猩猩部队优化器 (MGTO),作为深度学习模型中的中间层.
• 使用优化的功能来提高OSCC检测的分类准确性.

主要方法:

• 设计了一个深度学习框架,包含特征提取,中间优化层和分类层.
• 三个卷积神经网络 (CNN) 架构 (InceptionV2,MobileNetV3,EfficientNetB3) 被用于特征提取.
• 修改后的大猩猩部队优化器作为一个中间层来完善提取的特征进行分类.

主要成果:

• 在测试的CNN特征提取架构中,MobileNetV3实现了0.89的最高准确度.
• 将修改后的大猩猩部队优化器作为中间层集成,显著提高了分类准确度,达到0.95.
• 该研究使用了三个数据集,共计2784名正常和3632名OSCC受试者.

结论:

• 拟议的深度学习框架,增强了修改后的大猩猩部队优化器,在分类口腔状细胞癌基因病理图像方面表现出卓越的性能.
• MGTO有效地转化了提取的特征,使它们更适合准确的分类,从而有助于早期发现癌症.
• 这种方法在口腔癌的自动诊断中具有显著的临床应用潜力,可以提高诊断效率和患者的治疗结果.