港湾海胡须优化算法与基于深度学习的医学成像分析用于胃肠道癌症检测
Amal Alshardan1, Muhammad Kashif Saeed2, Shoayee Dlaim Alotaibi3
1Department of Computer Science, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University (PNU), P.O. Box 84428, 11671 Riyadh, Saudi Arabia.
Health information science and systems
|May 20, 2024
概括
一种新的AI方法,HSWOA-DLGCD,通过使用深度学习和医学成像分析,改善了胃肠癌的检测. 这种技术可以提高早期诊断,从而改善患者的治疗结果.
科学领域:
- 医学成像分析 医学成像分析
- 在瘤学中使用人工智能
背景情况:
- 早期发现胃肠道 (GI) 癌症对于治疗成功和患者的治疗结果至关重要.
- 像CT,MRI和内镜这样的医学成像模式对于识别胃肠道病变至关重要.
- 人工智能 (AI) 和机器学习 (ML) 在医疗成像中越来越多地用于癌症诊断.
研究的目的:
- 推出一种新的港湾海胡须优化算法,并基于深度学习的医疗成像分析来检测胃肠道癌症 (HSWOA-DLGCD).
- 通过先进的AI技术,提高肠道癌症诊断的准确性和效率.
主要方法:
- HSWOA-DLGCD技术采用双边过 (BF) 来减少GI图像中的噪声.
- 使用港湾海胡须优化算法 (HSWOA) 与Xception模型相结合,进行特征提取.
- 使用极端梯度提升 (XGBoost) 模型实现癌症识别,通过火焰优化 (MFO) 进行参数优化.
主要成果:
- 在Kvasir数据库中验证了HSWOA-DLGCD技术.
- 实验结果表明,与现有的肠道癌检测方法相比,其性能优越.
结论:
- 拟议的HSWOA-DLGCD方法在人工智能驱动的医学成像中为胃肠道癌症检测提供了有前途的进步.
- 这种方法有可能显著改善瘤学的早期诊断和患者管理.
