使用预训练的深度学习模型检测口腔状细胞癌
K Dhanya1, D Venkata Vara Prasad1, Y Venkataramana Lokeswari1
1Department of Computer Science Engineering, Sri Sivasubramaniya Nadar College of Engineering, Rajiv Gandhi Salai, Kalavakkam, India.
Experimental oncology
|October 13, 2024
概括
这项研究使用转移学习和卷积神经网络 (CNN) 来从基因病理图像中对口腔状细胞癌 (OSCC) 进行分类. 开发的模型显示了早期癌症诊断的前景,改善了患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 口腔状细胞癌 (OSCC) 是一个重要的全球健康问题,早期检测对于改善患者预后至关重要.
- 传统的组织活检用于OSCC诊断是昂贵和耗时的.
- 人工智能的进步,特别是转移学习,为更有效的诊断工具提供了潜力.
研究的目的:
- 通过使用预训练模型和CNN来评估转移学习的有效性,用于从基因病理图像中对OSCC进行二进制分类.
- 评估这些人工智能方法作为早期癌症检测工具的潜力.
主要方法:
- 使用了5192张基因病理图像的数据集.
- 雇员预先训练有素的深度学习模型 (ResNet-50,VGG16,InceptionV3) 用于特征提取.
- 开发并调整了一个卷积神经网络 (CNN) 用于分类.
主要成果:
- 性能最好的模型的精度为0.90,灵敏度为0.97,AUC为0.94.
- 评估性能与最先进的方法相比,强调高灵敏度.
- 使用ROC曲线和混矩阵可视化的结果.
结论:
- 转移学习方法证明了医疗应用的实际可行性.
- 这些发现支持使用人工智能来提高早期癌症检测的诊断精度.
- 建议未来的研究方向,以改进这些人工智能工具的临床用途.
