精确和自动的肺癌细胞分类使用深度神经网络与多尺度特征和模型蒸
Lan Tian1, Jiabao Wu1, Wanting Song1
1Department of Pulmonary and Critical Care Medicine, Fujian Medical University Union Hospital, Fuzhou, 350001, Fujian, China.
Scientific reports
|May 7, 2024
概括
一个新的深度学习模型准确地区分了主要的肺癌类型,提高了诊断精度. 这一进步为医生提供了对肺癌治疗中关键临床决策的增强支持.
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:
- 肺癌对全球健康构成重大挑战,准确的差异诊断对于有效的治疗和预后至关重要.
- 区分腺癌,状细胞癌和小细胞肺癌对于患者管理至关重要.
研究的目的:
- 开发一种创新的深度学习模型,以准确稳定地对主要肺癌亚型进行分类.
- 通过先进的图像分析技术,提高肺癌的诊断准确度.
主要方法:
- 开发了一个集特征金字塔网络 (FPN),挤压和激发 (SE) 模块和剩余网络 (ResNet18) 的深度学习模型.
- 从较大的模型中提炼知识被用来优化紧的学生模型的性能.
- 该模型的有效性通过使用五倍交叉验证和消去研究来验证.
主要成果:
- 开发的模型实现了98.84%的平均精度和98.83%的马修斯相关系数 (MCC).
- 与现有模型相比,该模型在所有指标上都表现出卓越的性能.
- 废弃性研究证实了模型的每个组件所贡献的性能提升.
结论:
- 深度学习模型显著提高了肺癌诊断的准确性.
- 这为医生提供了更精确的临床实践决策支持.
- 该研究强调了先进的人工智能在改善瘤诊断方面的潜力.
