RA-XTNet:一种新的CNN模型,从手部放射和热图像中预测类风湿关节炎:与CNN变压器和量子计算进行比较
Ahalya R Kesavapillai1,2, Shabnam M Aslam3, Snekhalatha Umapathy1
1Department of Biomedical Engineering, SRM Institute of Science and Technology, College of Engineering and Technology, Chennai 603203, India.
Diagnostics (Basel, Switzerland)
|September 14, 2024
概括
这项研究引入了人工智能和量子计算系统,用于使用手部X射线和热图进行类风湿性关节炎 (RA) 诊断. RA-XTNet模型实现了高精度,提供了快速有效的自动诊断方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 量子计算是一种量子计算.
背景情况:
- 风湿性关节炎 (RA) 诊断依赖于成像,但自动化系统可以提高速度和准确性.
- 整合人工智能 (AI) 和量子计算为医学图像分析提供了新的方法.
研究的目的:
- 开发一种用于风湿性关节炎 (RA) 预测的自动诊断系统.
- 利用人工智能和量子计算来分析手部放射和热图像.
主要方法:
- 使用UNet++和k-means集群的图像细分.
- 使用加快强大特征 (SURF) 的特征提取.
- 使用k-star,Hoeffding,量子支持向量机 (QSVM) 和视觉变压器 (ViT) 的分类.
主要成果:
- 通过UNet++细分实现了98.75%的像素精度.
- 定制的RA-X射线热成像 (XTNet) 模型显示90% (X射线) 和93% (热) 的精度.
- QSVM的精度为93.75% (X射线) 和87.5% (热) 的精度.
- 视觉变压器 (ViT) 实现了80% (X射线) 和90% (热) 的精度.
结论:
- RA-XTNet模型证明了对准确和快速的RA诊断的有效性.
- 人工智能和量子计算方法在RA的医学诊断中显示出显著的潜力.


