ViT-MAENB7:一个创新的乳腺癌诊断模型从3D乳房影像使用先进的细分和分类过程
Thippaluru Umamaheswari1, Y Murali Mohan Babu2
1Jawaharlal Nehru Technological University, Anantapur, Andhra Pradesh, India.
Computer methods and programs in biomedicine
|September 14, 2024
概括
这项研究引入了一种使用3D乳房造影的新乳腺癌检测模型. 该模型达到96.6%的准确性,显著优于现有的早期癌症诊断方法.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌是全球女性死亡的主要原因之一.
- 早期检测显著提高了患者的生存率.
- 3D乳房造影有助于识别乳房异常,但由于图像质量问题,准确检测块仍然具有挑战性.
研究的目的:
- 开发和评估一种新的计算机辅助诊断 (CAD) 模型,用于精确地检测乳腺癌在3D乳房影像中.
- 提高医疗图像中的瘤分类和检测的准确性和效率.
主要方法:
- 使用中间波器和图像缩放的图像预处理.
- 使用适应值与区域增长融合模型 (AT-RGFM) 的细分.
- 用修改的带蛇优化算法 (MGSOA) 优化细分参数.
- 使用基于视觉变压器的多尺度自适应高效NetB7 (ViT-MAENB7) 模型进行瘤检测,由MGSOA进一步优化.
主要成果:
- 拟议的MGSOA-ViT-MAENB7模型在乳腺癌检测方面实现了96.6%的高精度.
- 这种准确性超过了传统模型,如RNN (90.31%),LSTM (92.79%),EffNet (94.46%) 和ViT-MAENet (94.75%).
- 多尺度分析和MGSOA优化显著提高了检测精度.
结论:
- 开发的MGSOA-ViT-MAENB7模型提供了一个高度准确和高效的解决方案,用于检测乳腺癌在3D哺乳镜.
- 这种先进的CAD系统有可能提高诊断准确性,帮助个性化治疗规划,并最终提高患者的治疗结果.
- 该研究强调了将先进的深度学习架构与医疗图像分析的优化算法相结合的有效性.
