宫FusionNet:一种多式,混合CNN-变压器-GRU模型,用于增强宫病变多重分类
Yuyang Sha1, Qingyue Zhang2,3, Xiaobing Zhai1
1Center for Artificial Intelligence Driven Drug Discovery, Faculty of Applied Sciences, Macao Polytechnic University, Macau SAR 999078, China.
iScience
|December 5, 2024
概括
这项研究介绍了CerviFusionNet,这是一款用于使用镜图像进行宫病变查的AI工具. 它通过分析动态视觉变化来提高准确性,有助于早期发现妇女健康问题.
科学领域:
- 妇科 妇科 妇科 妇科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 宫病变构成全球健康风险,镜疗效因临床医生的专业知识而异.
- 人工智能 (AI) 显示出使用结肠镜图像查宫病变的前景,但面临着算法性能和数据限制等挑战.
研究的目的:
- 为人工智能开发建立一个全面的多模式镜数据集.
- 开发和评估一个人工智能模型,CerviFusionNet,以改进宫病变的检测.
主要方法:
- 创建了2,273名HPV+患者的多模式数据集,包括图像和诊断数据.
- 开发了CerviFusionNet,这是一个混合CNN-Transformer架构,具有用于动态分析的时间模块.
- 使用已建立的数据集对现有方法进行 CerviFusionNet 的评估.
主要成果:
- 在宫病变查中,CerviFusionNet实现了高精度和高效率.
- 时间模块有效地捕获了动态酸反应变化,提高了性能.
- 开发的数据集支持在宫癌查方面进行先进的AI研究.
结论:
- CerviFusionNet提供了一个有前途的AI解决方案,用于客观和高效的宫病变查.
- 多模式数据集和新型架构解决了当前人工智能方法的关键局限性.
- 这项工作有助于通过人工智能驱动的镜分析促进妇女健康.
