使用深度AI模型检测肺癌和结肠癌

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 肺癌和结肠癌是全球主要的死亡原因.
• 准确和早期的癌症检测对于有效的治疗和患者的生存至关重要.
• 传统的组织样本分析是复杂的,耗时的,容易出现错误.

研究的目的:

• 开发一种新,高效,移动嵌入式的深度学习模型,用于准确检测肺癌和结肠癌.
• 解决现有的深度学习模型在准确性和资源要求方面的局限性.
• 从数字病理学图像中对特定的肺癌和结肠癌类型进行分类.

主要方法:

• 提出了一个轻量级,参数效率高的1D卷积神经网络 (CNN),具有挤压和激发层.
• 该模型在组织病理学 (LC25000) 肺和结肠数据集上进行了训练和验证.
• 该模型是为了高效的计算和移动嵌入而设计的.

主要成果:

• 拟议的模型在检测肺癌,结肠癌和肺癌和结肠癌的联合检测中实现了100%的准确性.
• 这种100%的准确性是通过大约0.35万个可训练参数和640万个浮点运算 (FLOP) 实现的.
• 该模型展示了与基准数据集上的现有方法相比,最先进的性能.

结论:

• 开发的深度学习模型为诊断肺癌和结肠癌提供了高度准确和高效的解决方案.
• 它的轻量级和参数高效的设计使其适合移动嵌入式应用程序,可能增加可访问性.
• 这项研究代表了人工智能驱动的癌症检测的重大进步,有望改善诊断能力和患者的治疗结果.