基于自我注意机制的喉腔镜图像分类技术用于喉癌检测
Yi-Fan Kang1, Lie Yang2, Yi-Fan Hu3
1Department of Otolaryngology-Head and Neck Surgery, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Head & neck
|November 11, 2024
概括
使用Swin-Transformer的智能喉癌检测系统 (ILCDS) 从喉镜图像中显示出高精度的喉癌 (LCA) 诊断,其表现优于CNN模型和人类专家.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 在瘤学瘤学.
背景情况:
- 喉癌 (LCA) 的早期诊断对于患者的预后至关重要.
- 开发精确和敏感的AI模型对于提高LCA检测率至关重要.
研究的目的:
- 开发和评估一个智能喉癌检测系统 (ILCDS),以提高诊断准确度.
- 对传统的人工智能模型和人类专家进行ILCDS性能评估.
主要方法:
- 利用了来自1462名患者的5768张喉镜图像的数据集.
- ILCDS是使用Swin-Transformer架构开发的.
- 在内部和外部测试集上评估了性能,与CNN模型和喉科医生进行了比较.
主要成果:
- ILCDS实现了最高准确率92.78%和AUC0.9732,超过了六个CNN模型.
- 在外部测试套件上,ILCDS保持了卓越的性能,准确率为85.79%,AUC为0.9550.
- ILCDS的准确性比专业喉科医生更高 (92.00%).
结论:
- ILCDS为喉癌的检测提供了一个高度准确和稳定的AI解决方案.
- 这个系统有可能减少喉科病学家的诊断工作量.


