先进的深度学习融合模型用于早期的肺癌和结肠癌多重分类,使用 histopathological 图像
A A Abd El-Aziz1, Mahmood A Mahmood1, Sameh Abd El-Ghany1
1Department of Information Systems, College of Computer and Information Sciences, Jouf University, Sakaka 72388, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|October 25, 2024
概括
这项研究引入了一个深度学习模型,用于从组织病理图像中多重分类肺癌和结肠癌. 该模型实现了高精度,帮助病理学家在早期癌症检测.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 计算机科学 计算机科学
背景情况:
- 癌症仍然是一个重要的全球健康问题,导致全球六分之一的死亡.
- 肺癌和结肠癌是导致癌症死亡的主要原因.
- 通过组织病理图像分析早期发现癌症对于改善生存率至关重要.
研究的目的:
- 开发一种精细的深度学习 (DL) 模型,用于精确的肺癌和结肠癌多重分类.
- 通过分析组织病理图像 (HIs) 来增强早期癌症检测.
- 通过减少与癌症诊断相关的努力,时间和成本来协助病理学家.
主要方法:
- 一个新的DL模型,整合了三个架构的功能融合:ResNet-101V2,NASNetMobile和EfficientNet-B0.0.
- 使用连接层合并特征向量,解决图像形状和纹理变化的局限性.
- 微调合并的特征向量,以提高多重分类性能.
主要成果:
- 拟议的DL模型在LC25000数据集上实现了高性能指标.
- 实现了99.8%的精度,99.8%的回忆,99.8%的F1得分,99.96%的特异性和99.94%的准确性.
- 与最近的DL癌症分类模型相比,其表现优越.
结论:
- 开发的DL模型在多种分类的肺癌和结肠癌中表现出色.
- 该模型具有很大的潜力,可以协助这些癌症的早期和准确诊断.
- 功能融合有效地利用多个DL架构的优势,提高诊断准确性.
关键词:
有效的网络-B0他的人生,就是他的人生.美国纳斯网移动 (NASNetMobile)在ResNet-101V2中使用.癌症 癌症 癌症 癌症 癌症结肠结肠结肠结肠是什么意思深度学习是一种深度学习.核聚变的特点是核聚变的特点.精细调整 精细调整瘤是一个瘤.
