使用mRMR特征选择和变压器模型检测胸腺瘤疾病
Mehmet Agar1, Siyami Aydin1, Muharrem Cakmak1
1Department of Thoracic Surgery, Faculty of Medicine, Firat University, 23119 Elazig, Turkey.
Diagnostics (Basel, Switzerland)
|October 16, 2024
概括
这项研究引入了一种新的方法,使用变压器模型来检测胸腺瘤,在识别胸腺瘤疾病图像方面达到100%的准确性. 这一进步为早期和准确的诊断提供了一个有希望的工具.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 胸腺瘤是一种罕见的恶性瘤,起源于胸腺,主要影响成年人.
- 目前的诊断方法依赖于专家意见,对人工智能等先进技术的需求日益增加.
- 早期检测系统越来越多地结合了复杂的模型,包括变压器模型.
研究的目的:
- 评估变压器模型在从医学图像中检测胸腺瘤方面的有效性.
- 为了比较变压器模型的性能与传统的深度学习方法用于胸腺瘤诊断.
- 开发一个高效和准确的AI驱动系统用于胸腺瘤检测.
主要方法:
- 利用了来自Fırat大学的胸腺瘤和非胸腺瘤图像数据集.
- 采用了预加工技术,包括兴趣区域 (ROI) 的作物.
- 训练了四种变压器模型 (Deit3,Maxvit,Swin,ViT),融合了表现最好的特征,并应用了mRMR特征选择与SVM分类.
主要成果:
- 通过使用减少特征集的mRMR特征选择,在胸腺瘤检测中实现了100%的整体准确性.
- 交叉验证证实了该方法的稳定性,获得了99.22%的整体准确性.
- 从Deit3和ViT模型的组合功能集显示出卓越的性能.
结论:
- 拟议的AI方法,利用变压器模型,显著提高了胸腺瘤检测能力.
- 这项研究强调了先进的人工智能技术在改善罕见癌症诊断准确性的潜力.
- 这些发现强调了这种方法在瘤诊断中临床应用的附加值.


