比较膀癌组织预测使用视觉变压器
Kubilay Muhammed Sunnetci1,2, Faruk Enes Oguz3,2, Mahmut Nedim Ekersular2
1Department of Electrical and Electronics Engineering, Osmaniye Korkut Ata University, Osmaniye, Turkey.
Journal of imaging informatics in medicine
|October 25, 2024
概括
这项研究引入了计算机辅助系统,用于使用内镜图像早期检测膀癌. 视觉变压器模型实现了最高的准确性,提高了诊断效率.
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:
- 早期检测膀癌是关键的,但由于无症状的早期阶段,具有挑战性.
- 对内镜图像的专家评估是耗时的,可能涉及跨学科的合作.
- 计算机辅助决策支持系统可以优化专家治疗患者的时间.
研究的目的:
- 评估三种不同的计算模型对膀组织分类的性能.
- 开发一个可访问的计算机辅助决策支持系统,用于膀癌诊断.
主要方法:
- 三种模型的开发和比较:基于卷积神经网络 (CNN) 的深度学习 (DL) 模型,混合DL+机器学习 (ML) 模型和视觉转换器 (ViT) 架构.
- 在膀组织数据集上的培训和测试模型.
- 为决策支持系统实施图形用户界面 (GUI).
主要成果:
- 与DL和DL+ML模型相比,视觉变压器 (ViT) 架构展示了优越的性能指标.
- 准确度得分为0.9086 (DL),0.9071 (DL+ML) 和0.9257 (ViT) 的结果.
- F1分数为0.8884 (DL),0.8496 (DL+ML) 和0.8931 (ViT). 这些分数均为0.8884 (DL),0.8496 (DL+ML) 和0.8931 (ViT).
结论:
- 视觉变压器模型显示出从内镜图像中准确检测膀癌的显著前景.
- 使用ViT的计算机辅助决策支持系统可以提高诊断效率,并可能改善患者的治疗结果.
