使用人工大猩猩部队优化器对超声波图像进行转移学习的自动胆囊癌检测
Sana Alazwari1, Jamal Alsamri2, Mohammad Alamgeer3
1Department of Information Technology, College of Computers and Information Technology, Taif University, P.O. Box 11099, 21944, Taif, Saudi Arabia.
Scientific reports
|September 19, 2024
概括
这项研究引入了一种人工智能驱动的方法,用于使用超声波图像早期检测胆囊癌 (GBC). 使用人工大猩猩部队优化器与转移学习 (GBCD-AGTOTL) 的自动胆囊癌检测技术在识别GBC时显示出更高的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 胆囊癌 (GBC) 是一种严重的疾病,经常被诊断为晚期,影响生存率.
- 早期发现GBC可显著改善患者的预后.
- 超声波 (美国) 影像是诊断胆囊疾病的有价值,非侵入性工具,由于其可访问性和低成本.
研究的目的:
- 开发和评估一种自动化系统,用于早期检测胆囊癌 (GBC),使用超声波图像上的深度学习.
- 通过先进的人工智能技术,提高GBC诊断的准确性和效率.
主要方法:
- 该研究建议使用人工大猩猩部队优化器与转移学习 (GBCD-AGTOTL) 技术进行自动胆囊癌检测.
- 这种方法利用深度学习,包括预处理的中位过,特征提取的Inception模块,以及分类的双向封闭循环单元 (BiGRU).
- 超参数调整使用人工大猩猩部队优化器 (AGTO) 算法进行.
主要成果:
- 通过GBCD-AGTOTL技术,通过超声波图像检测胆囊癌的性能得到了提高.
- 模拟分析证实了GBC数据集中拟议的深度学习模型的有效性.
- 集成AGTO和转移学习优化了检测过程.
结论:
- GBCD-AGTOTL技术为早期和准确检测胆囊癌提供了一个有希望的自动化解决方案.
- 通过AGTO等算法优化的深度学习模型,可以显著提升医疗成像分析,用于GBC等关键疾病.
- 这种方法有可能改善胆囊癌的临床诊断能力.
