YOLO和残留网络用于结直肠癌细胞检测和计数
Inayatul Haq1, Tehseen Mazhar2, Rizwana Naz Asif3
1School of Electrical and Information Engineering, Zhengzhou University, Zhengzhou, 450001, China.
Heliyon
|February 2, 2024
概括
这项研究开发了一种使用YOLOv2,ResNet-18和ResNet-50的深度学习方法,以准确检测和计数结直肠癌细胞 (HT-29). 这种方法在识别拥挤和重叠的细胞方面表现出色,这对于早期癌症诊断至关重要.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 早期癌症检测显著提高了生存率.
- 精确量化癌细胞对于研究和诊断至关重要.
- 人类结肠癌细胞系HT-29是结肠直肠癌研究的关键模型.
研究的目的:
- 开发一种高效的深度学习方法来检测和计数结直肠癌细胞 (HT-29).
- 为了应对在图像中识别拥挤和重叠的癌细胞的挑战.
- 通过自动化细胞量化来提高诊断的准确性.
主要方法:
- 利用HT-29细胞系,通过光显微镜培养和成像.
- 收集了566张图像的数据集,其中80%用于培训,20%用于测试.
- 集成的YOLOv2,ResNet-50和ResNet-18深度学习架构用于细胞检测和计数.
主要成果:
- 在检测和计数结直肠癌细胞方面取得了高精度.
- ResNet-18的准确率达到了98.70%,而ResNet-50的准确率达到了96.66%.
- 成功量化了拥挤和重叠的HT-29细胞.
结论:
- 开发的深度学习方法在检测和计数重叠的癌细胞方面取得了重大进展.
- 这种技术为癌症诊断中的新型研究和临床应用提供了基础.
- 未来的工作可能涉及优化架构和探索实时部署.
关键词:
生物医学图像处理 生物医学图像处理大肠癌是什么意思 大肠癌是什么意思计算机辅助诊断是一种计算机辅助的诊断.深度学习是一种深度学习.的HT-29细胞.机器学习 机器学习医疗图像分析 医学图像分析
