基于二进制算术优化和集成功能,推进视网膜母细胞瘤检测

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 视网母细胞瘤是最常见的儿科眼内恶性瘤,可能导致视力丧失.
• 早期检测和准确的分期对于有效治疗和预防失明至关重要.
• 现有的诊断方法可以通过先进的计算技术来增强.

研究的目的:

• 开发和验证一种基于深度学习的新型系统,用于早期检测,细分和分类视网膜母细胞瘤.
• 通过融合图像功能来提高视网膜母细胞瘤诊断的准确性和效率.
• 为眼科医生提供先进的工具,用于预测瘤恶性病变,并预防儿童和成人视力丧失.

主要方法:

• 一种三阶段的方法,涉及图像预处理,细分和视网膜瘤细胞的分类.
• 使用中位过用于图像平滑,并将深度学习 (EfficientNet,CNN) 与传统的特征提取方法相结合.
• 实现功能选择,使用算术优化算法 (BAOA-S和BAOA-V) 的二进制变体来提高性能.

主要成果:

• 拟议的系统实现了高精度,灵敏度和特异性率,分别为100%,99%和99%.
• 成功隔离,分期和亚型视网膜瘤,使早期恶性瘤预测.
• 与现有市场解决方案相比,在视网膜母细胞瘤诊断方面表现出卓越的性能.

结论:

• 开发的深度学习框架为早期视网膜母细胞瘤检测和分类提供了强大而有效的解决方案.
• 深度学习和传统功能的融合,加上先进的优化算法,显著提高了诊断能力.
• 这种方法有可能彻底改变儿童眼部癌症查,并显著减少失明病例.