视觉转换器和CNN的混合方法用于检测性结肠炎
Syed Abdullah Shah1, Imran Taj2, Syed Muhammad Usman3
1Department of Creative Technologies, Faculty of Computing and Artificial Intelligence, Air University, Islamabad, 44000, Pakistan.
Scientific reports
|October 21, 2024
概括
这项研究引入了一种新的AI方法来检测性结肠炎 (UC),一种炎症性肠病. 该方法使用先进的深度学习技术来提高诊断准确性和患者的结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 性结肠炎 (UC) 显著影响患者的生活质量.
- 由于患者与专业人员的比例高,诊断延迟使治疗复杂化.
- 现有的自动检测方法面临着诸如类不平衡和特征提取等挑战.
研究的目的:
- 开发一种新的,准确的方法来自动检测性结肠炎.
- 解决阶级不平衡问题,改善UC诊断的特征提取.
- 通过改进诊断来提高UC患者的护理质量.
主要方法:
- 利用增强技术来缓解阶级不平衡问题.
- 采用定制的视觉转换器 (ViT) 架构来进行全面的特征提取.
- 实现了一个定制的卷积神经网络 (CNN) 进行准确的分类.
- 在TMC-UCM和LIMUC数据集上训练和测试模型.
主要成果:
- 在检测性结肠炎方面获得了90%的整体准确性.
- 获得的高AUC-ROC得分:0.91 (五月0日),0.81 (五月1日),0.94 (五月2日) 和0.94 (五月3日).
- 与现有最先进的方法相比,表现出优越的性能.
结论:
- 拟议的新方法显著提高了性结肠炎检测的准确性.
- 综合方法有效地克服了自动UC诊断的挑战.
- 这一进步有可能为更早,更有效的患者治疗提供潜力.
