相关实验视频
Updated: Jul 5, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
改进前列腺癌诊断使用修改后的基于ResNet50的深度学习架构.
Fatma M Talaat1,2, Shaker El-Sappagh3,4, Khaled Alnowaiser5
1Faculty of Artificial Intelligence, Kafrelsheikh University, Kafrelsheikh, 33516, Egypt.
BMC medical informatics and decision making
|January 24, 2024
概括
这项研究引入了深度学习 (DL) 模型用于前列腺癌检测,提高了早期诊断的准确性. 前列腺癌检测模型 (PCDM) 在从医学图像中识别前列腺癌方面表现出很高的性能.
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:
- 前列腺癌是男性最常见的癌症,受到各种风险因素的影响.
- 早期检测可以改善患者的结果,但平衡查与过度诊断是具有挑战性的.
- 深度学习 (DL) 提供了准确和高效的前列腺癌诊断的潜力,特别是在难以成像的情况下.
研究的目的:
- 提出一个深度学习 (DL) 模型,前列腺癌检测模型 (PCDM),用于自动前列腺癌诊断.
- 评估PCDM在医疗保健机构早期检测和管理方面的临床适用性.
- 通过使用先进的DL技术,提高前列腺癌检测准确性和效率.
主要方法:
- 开发了基于ResNet50的修改后的架构,包括更快的R-CNN和双优化器.
- 在大量注释医学图像的数据集上训练了前列腺癌检测模型 (PCDM).
- 将PCDM的性能与标准ResNet50和VGG19架构进行了比较.
主要成果:
- 与ResNet50和VGG19.2相比,拟的PCDM模型表现出优异的性能.
- 实现了高诊断指标:97.40%的灵敏度,97.09%的特异性,97.56%的精度和95.24%的准确性.
- 该模型的架构和训练策略显著提高了检测能力.
结论:
- 前列腺癌检测模型 (PCDM) 是一种临床上适用的工具,用于帮助早期检测前列腺癌.
- 像拟议的PCDM一样,DL算法可以显著提高前列腺癌诊断的准确性和效率.
- 该模型的高性能表明它有可能在现实世界整合医疗保健,以改善患者管理.
