在癌症诊断中使用图像合成和变压器模型改进循环瘤细胞检测
Shuang Liang1,2,3, Xue Bai1,2,3, Yu Gu1,2,3
1School of Biomedical Engineering, Capital Medical University, Beijing 100069, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
这项研究引入了一种新的方法,用于检测循环瘤细胞 (CTC),使用人工智能生成的数据和Swin变压器网络. 这种方法显著改善了早期癌症检测,有助于治疗和预后.
科学领域:
- 生物医学工程 生物医学工程
- 在瘤学中使用人工智能
- 医学成像分析 医学成像分析
背景情况:
- 癌症是导致死亡的主要原因,晚期癌症缺乏有效的治疗方法.
- 早期癌症诊断对于降低死亡率至关重要.
- 循环瘤细胞 (CTC) 对早期检测有希望,但由于异质性和稀缺性,很难自动识别.
研究的目的:
- 开发一种用于检测循环瘤细胞 (CTC) 的自动化方法,用于早期癌症诊断.
- 为了应对CTC检测的挑战,包括大小/形状异质性和低丰度.
- 提高CTC检测模型的稳定性和通用性.
主要方法:
- 利用分段任何模型 (SAM) 和复制粘贴策略来生成合成数据.
- 开发了一个基于Swin变压器的检测网络,配有针对尺寸和形状的专用适配器模块.
- 实现了改进的损失函数,其中包含了数据分布一致性的规范化术语.
主要成果:
- 实现了高性能指标:精度 (0.9960),回忆 (0.9961),精度 (0.9804),特异性 (0.9975) 和 mAP (0.9400 在 IoU 0.5).
- 在公共和地方数据的混合数据集上证明了稳定性和通用性.
- 超越了包括ADCTC,DiffusionDet,CO-DETR和DDQ在内的最先进模型的性能.
结论:
- 拟议的框架在自动CTC检测方面取得了重大进展.
- 这项技术可以作为早期癌症诊断,治疗计划和预后评估的重要工具.
- 这种方法有可能提高患者的治疗结果和整体人类福祉.
