多尺度窗口变压器用于宫细胞病理的图像识别.
Jiaxiang Yi1, Xiuli Liu1, Shenghua Cheng2
1Britton Chance Center and MoE Key Laboratory for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics-Huazhong University of Science and Technology, Wuhan, China.
Computational and structural biotechnology journal
|April 29, 2024
概括
一个新的多尺度窗口变压器 (MWT) 模型通过从图像中准确地识别癌前细胞来改善宫癌查. 这种人工智能驱动的方法为手工分析提供了更快,更可靠的替代方案,有助于早期检测和降低死亡率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 宫癌是一个重大的全球健康挑战,特别是在医疗保健机会有限的地区.
- 手动解释宫细胞病理图像是劳动密集的,昂贵的,并受到人类的变化.
- 准确有效的癌前病变的早期检测对于有效的治疗和降低死亡率至关重要.
研究的目的:
- 引入一种新的多尺度窗口变压器 (MWT) 模型,用于自动化宫细胞病理图像识别.
- 通过先进的AI技术,提高宫癌查的准确性和效率.
- 为计算机辅助查宫癌提供可靠的工具.
主要方法:
- 开发一个多尺度窗口变压器 (MWT),结合多尺度窗口多头自动注意 (MW-MSA).
- 利用小型窗口进行本地特征提取和大型窗口进行窗口间信息集成.
- 在金字塔架构中使用卷积前网络 (CFFN) 进行高效的图像表示.
主要成果:
- 与最先进的分类网络相比,MWT模型在大型多中心数据集上表现出更高的性能.
- 在两类和四类宫细胞分类任务中实现了高精度.
- 在内部和外部测试集上验证了有效性和概括能力.
结论:
- 拟议的MWT模型为宫癌查中的细胞病理图像识别提供了一种可靠和有效的方法.
- 这种人工智能驱动的方法可以在计算机辅助选系统的开发中显著帮助.
- 在全球范围内,MWT有可能提高早期检测率并降低子宫癌死亡率.
