通过使用花优化算法进行喉癌诊断,并对生物医学喉区域图像进行集体学习
Sarah A Alzakari1, Mashael Maashi2, Saad Alahmari3
1Department of Computer Sciences, College of Computer and Information Sciences, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, 11671, Riyadh, Saudi Arabia.
Scientific reports
|August 24, 2024
概括
这项研究引入了一种自动化方法,用于在喉图像上使用人工智能诊断喉癌. 这种新的方法实现了97.54%的准确性,提高了早期检测能力.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 喉癌是一个重大的全球健康挑战,通常在晚期被检测出来,导致结果不佳.
- 准确和早期诊断喉癌对于改善患者生存率至关重要.
- 利用人工智能 (AI) 的计算机辅助诊断系统在医学图像分析方面表现有前途.
研究的目的:
- 开发和评估使用生物医学喉区域图像进行喉癌诊断的自动化系统.
- 通过使用花优化算法与合集学习 (LCD-DOAEL) 方法,研究拟议的喉癌诊断的有效性.
主要方法:
- 液晶-DOAEL方法使用高斯过来降低噪声,并使用MobileNetv2来提取特征.
- 花优化算法优化了MobileNetv2的超参数.
- 一组BiLSTM,ELM和BPNN分类器用于最终分类.
主要成果:
- 液晶显示器-DOAEL方法在从生物医学图像中分类喉癌方面表现出很高的性能.
- 与现有方法相比,拟议的技术实现了97.54%的更高精度.
- 在生物医学图像数据集上的模拟证实了LCD-DOAEL技术的效率.
结论:
- 自动化LCD-DOAEL方法为准确和高效的喉癌诊断提供了一个有希望的方法.
- 人工智能驱动的医学图像分析,特别是集体学习,可以显著提高诊断能力.
- 需要进一步的研究和验证,以将这种方法纳入临床实践.
