一个视频转换器网络用于通过高光谱组织学图像检测甲状腺癌
Minh Ha Tran1, Ofelia Gomez1, Baowei Fei1,2,3
1Center for Imaging and Surgical Innovation, University of Texas at Dallas, Richardson, TX.
概括
这项研究引入了一种视觉转换器,用于超光谱成像检测甲状腺癌. 该方法实现了高精度,显示了数字病理学应用的前景.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 人工智能的人工智能
背景情况:
- 超光谱成像 (HSI) 提供无标签的,跨多个波长的非侵入性组织分析.
- 甲状腺癌的检测目前依赖于传统的组织病理学,这可能是耗时的.
- 人工智能和成像技术的进步为自动化癌症诊断提供了新的途径.
研究的目的:
- 开发和评估一种深度学习模型,用于使用全幻灯片高光谱图像 (WS-HSI) 检测甲状腺癌.
- 为了探索预先训练的视觉变压器的有效性,适用于高光谱数据分析.
- 引入新的光谱数据增强技术,以加强模型培训.
主要方法:
- 一个数据集的49个WS-HSI的甲状腺癌被策划.
- 在视频数据上预训练的视觉变压器被调整为WS-HSI分析.
- 实施了五种新的光谱数据增强方法,以提高模型的稳定性.
主要成果:
- 开发的模型在测试数据集上获得了88.1%的F-1分数.
- 甲状腺癌检测的总准确率为89.64%.
- 该研究表明了变压器网络在病理学HSI分析中的潜力.
结论:
- 在视频数据上预训练的视觉变压器在WS-HSI中显示出甲状腺癌检测的巨大潜力.
- 频谱数据增强技术的整合提高了数字病理学深度学习模型的性能.
- 这种方法为病理诊断中的自动化分析提供了一个有希望的,非侵入性的工具.
