基于FibroVit-Vision变压器的框架,用于从胸部CT图像中检测和分类肺纤维化
Muhammad Waseem Sabir1, Muhammad Farhan1, Nabil Sharaf Almalki2
1Department of Computer Science, COMSATS University Islamabad, Sahiwal, Pakistan.
Frontiers in medicine
|November 29, 2023
概括
这项研究表明,视觉变压器 (ViT) 模型可以在CT扫描中准确检测肺纤维化 (PF). ViT实现了100%的准确性,为诊断这种无法治愈的呼吸系统疾病提供了可靠的工具.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 呼吸系统医学 呼吸系统医学
背景情况:
- 肺纤维化 (PF) 是一种不可逆转的肺部疾病,需要早期和准确的诊断.
- 目前用于PF检测的深度学习方法面临着数据集大小和标准化方面的挑战.
- 计算机断层扫描 (CT) 扫描对于可视化肺组织变化至关重要.
研究的目的:
- 通过CT扫描来比较四种视觉变压器模型在检测和分类肺纤维化方面的有效性.
- 评估模型在CT图像中定位异常的能力.
- 为自动化PF诊断确定最佳的视觉变压器架构.
主要方法:
- 预先处理了13,486个CT扫描 (PF阳性和正常) 的数据集.
- 四个视觉变压器模型 (ViT,MobileViT2,ViTMSN,BEiT) 进行了培训和验证.
- 超参数进行了微调,并使用多个指标评估模型性能.
主要成果:
- 视觉变压器 (ViT) 模型实现了卓越的性能,具有99.85%的验证准确性和100%的测试准确性.
- ViT展示了最小的培训和验证损失 (分别为0.0075和0.0047).
- 在关键性能指标 (如灵敏度,特异性和AUC) 中,ViT获得了1.0的完美分数.
结论:
- 优化的视觉变压器 (ViT) 架构是使用CT扫描进行自动肺纤维化检测的高效工具.
- ViT的高精度和全面的性能指标表明其对临床诊断的可靠性.
- 这项研究提供了支持ViT作为PF分类优越模型的经验证据,与其他架构相比.
