自动喉癌检测和分类使用矮人蒙古斯优化算法与深度学习
Nuzaiha Mohamed1, Reem Lafi Almutairi1, Sayda Abdelrahim1
1Department of Public Health, College of Public Health and Health Informatics, University of Hail, Ha'il 81451, Saudi Arabia.
Cancers
|January 11, 2024
概括
这项研究介绍了ALCAD-DMODL,这是一种用于检测喉癌的自动化深度学习技术. 它提高了从喉图像中识别喉癌 (LCA) 的准确性和效率.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 全球喉癌 (LCA) 发病率正在上升,这给治疗带来了挑战,特别是在晚期阶段.
- 目前的LCA检测方法往往缺乏准确性,计算密集,并且需要长时间的选时间.
- 需要有效和准确的工具来早期识别喉癌.
研究的目的:
- 利用深度学习和优化算法开发一种自动化喉癌检测和分类技术.
- 为了提高喉癌诊断的准确性和效率.
- 为了解决现有的LCA识别工具的局限性.
主要方法:
- 这项研究介绍了自动化喉癌检测和分类,使用蒙古斯优化算法与深度学习 (ALCAD-DMODL) 技术.
- 中位过 (MF) 用于消除噪音,其次是EfficientNet-B0用于特征提取.
- 矮人蒙古斯优化 (DMO) 算法优化了EfficientNet-B0的超参数,而多头双向门式循环单元 (MBGRU) 模型进行了分类.
主要成果:
- ALCAD-DMODL技术在喉癌检测和分类方面表现出卓越的性能.
- 对喉区域图像数据集的模拟结果证实了该技术的有效性.
- 该方法在各种绩效指标上显示出与现有方法相比的显著改进.
结论:
- ALCAD-DMODL技术为准确和高效的喉癌诊断提供了一个有前途的自动化解决方案.
- 这种深度学习方法,结合优化算法,可以帮助医疗专业人员及时识别LCA.
- 该研究强调了先进的人工智能方法在改善头癌症管理方面的潜力.
