基于人工智能的诊断产品设计用于骨髓瘤细胞的骨癌患者的显微镜成像使用CA-MobileNet V3
Qian Liu1, Xing She2, Qian Xia3
1Institute of Arts & Design, Shandong Women's University, Jinan, PR China.
Journal of bone oncology
|November 25, 2024
概括
一个修改后的CA-MobileNet V3人工智能模型准确地分类骨髓瘤细胞,提高诊断效率. 这种轻量级的深度学习模型增强了微观分析,以更好地诊断病理.
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:
- 骨肉瘤诊断依赖于手动显微镜分析,由于类似的瘤特征,这耗时且容易出现错误.
- 准确的病理诊断对于有效治疗骨髓瘤至关重要,骨髓瘤是年轻癌症患者死亡的主要原因.
研究的目的:
- 开发和评估一个改进的CA-MobileNet V3模型,用于增强骨髓瘤细胞的特征提取和分类.
- 将人工智能驱动的模型集成到创新的显微镜产品中,以提高诊断准确性和效率.
主要方法:
- 为图像分类开发了一个修改后的CA-MobileNet V3深度学习模型.
- 该模型被嵌入到人工智能显微镜 (AIM) 中,用于实际应用.
- 性能与ShuffleNet V2和EfficientNet V2.2等其他模型进行了比较.
主要成果:
- 改进的CA-MobileNet V3模型实现了98.69%的高精度.
- 该模型重量轻,尺寸只有5.33 MB,方便集成.
- 人工智能显微镜展示了提高诊断效率的潜力.
结论:
- 该CA-MobileNet V3深度学习模型为骨髓瘤的病理诊断提供了一个高效和可靠的解决方案.
- 这种人工智能驱动的方法增强了医疗图像分析,为临床医生提供了有价值的工具.
- 这项研究推进了医疗成像技术中的人工智能应用.
