通过视觉变压器模型的高分辨率计算机断层扫描图像改进了尿病的检测
Hyoung Sun Choi1, Jae Seoung Kim2, Taeg Keun Whangbo1
1Department of Computer Science, Gachon University, Seongnam, Korea.
International neurourology journal
|December 4, 2023
概括
这项研究引入了一个AI管道,使用视觉变压器 (ViT) 来从CT图像中检测尿路结石. 人工智能模型显示性能有所改善,有助于早期诊断和治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
背景情况:
- 尿路结石很常见,引起疼痛,需要通过症状,检查和成像来诊断.
- 目前用于石头检测的AI模型因数据不足而受到限制.
- 需要一种新的方法来改进人工智能驱动的尿路结石诊断.
研究的目的:
- 开发和评估基于视觉变压器 (ViT) 的管道,用于检测尿路结石.
- 解决人工智能模型性能由于数据集不足而导致的局限性.
- 利用计算机断层扫描 (CT) 图像与数据增强来改善石头检测.
主要方法:
- 使用超分辨率卷积神经网络 (SRCNN) 来增强数据集分辨率.
- 使用CycleGAN进行数据增强,以扩展训练数据集.
- 应用视觉变压器 (ViT) 模型用于尿路结石检测和分类.
主要成果:
- 基于ViT的深度学习模型在现有方法中表现出优越的性能.
- 模型性能显示与骨干网络的大小有正相关性.
- 关键性能指标包括准确性,精度,回忆,灵敏度,特异性和F1分数.
结论:
- 拟议的管道有效地利用医疗数据来加强尿路结石诊断.
- 通过SRCNN和CycleGAN预处理,提高了ViT模型培训的数据质量和数量.
- 这项研究有望促进尿路结石的早期诊断和治疗,提高医疗效率.
