卷积神经网络用于口腔癌检测,结合了改进的衣群算法来检测口腔癌
Xiao Wei1, Liu Chanjuan2, Jiang Ke2
1Zhejiang Provincial JianDe First People's Hospital, HangZhou, Zhejiang, China.
Scientific reports
|November 20, 2024
概括
对口腔癌的早期诊断至关重要. 一个新的深度学习模型使用了改进的形群算法,在从图像中检测口腔癌时达到98.70%的准确性.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 计算病理学计算病理学
背景情况:
- 口腔癌的早期诊断显著改善了患者的治疗结果和生存率.
- 尽管重要,但准确的诊断可能具有挑战性,导致延迟或误诊.
- 计算机辅助诊断 (CADx) 工具在提高临床医师在口腔恶性瘤识别方面的准确性方面表现有前途.
研究的目的:
- 开发和验证一种新的计算机辅助诊断方法,用于识别口腔癌患者.
- 利用图像处理和深度学习来更准确地检测口腔癌.
- 使用优化算法来提高卷积神经网络 (CNN) 的诊断性能.
主要方法:
- 提出了一种新的方法,将改进的形群算法 (ITSA) 与卷积神经网络 (CNN) 集成在一起.
- 使用ITSA优化CNN架构,以提高诊断准确度.
- 综合模型是在口腔癌图像数据集上实施和评估的.
主要成果:
- 提出的模型在检测口腔癌病变方面达到98.70%的高精度.
- 性能指标包括回忆率为93.71%,F1得分为90.08%,精度为96.42%.
- 使用各种指标对已发表的研究进行验证,证实了该模型的卓越性能.
结论:
- 开发的方法证明了使用图像分析准确诊断口腔癌的巨大潜力.
- 提出的深度学习模型可以作为临床医生有效的辅助工具.
- 这种方法为口腔恶性瘤的计算机辅助诊断提供了有前途的进展.
