使用DeepLabv3+与比较骨干分析进行结肠息肉细分的AI增强接口
Faruk Enes Oğuz1, Ahmet Alkan1
1Department of Electrical and Electronics Engineering, Kahramanmaras Sutcu Imam University, Kahramanmaraş Sütçü İmam Üniversitesi Kampüsü, Kahramanmaras, 46040, TURKEY.
Biomedical physics & engineering express
|December 19, 2024
概括
这项研究引入了一个自动化的DeepLabv3+模型,配备了ResNet-50骨干,用于从结肠镜图像中精确细分结肠多,改善早期结肠直肠癌检测和手术规划.
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:
- 结肠多是结肠直肠癌的前体,需要准确的检测和细分,以便及时干预.
- 在结肠镜图像中手动分片是耗时的,容易出现人为错误,需要专家的解释.
- 自动化细分方法对于提高聚合物检测的速度,准确性和可靠性至关重要.
研究的目的:
- 开发和评估一个自动化的深度学习模型,用于准确细分结肠多.
- 通过使用Kvasir-SEG数据集,评估拟议的DeepLabv3+模型与ResNet-50骨干的性能.
- 创建一个用户友好的图形用户界面 (GUI) 实际应用的多片分割工具.
主要方法:
- 实现了DeepLabv3+架构,使用编码器-解码器结构和ResNet-50作为骨干.
- 来自Kvasir-SEG数据集的结肠镜图像的预处理,用于模型培训.
- 培训和严格测试开发的深度学习模型,然后进行性能指标计算.
主要成果:
- 基于ResNet-50的DeepLabv3+模型实现了高细分精度,子相似系数 (DSC) 为0.9609和平均交叉点在欧盟 (mIoU) 为0.9246.
- 该模型在细分结肠多瘤方面表现出显著的有效性,表明其临床应用的潜力.
- 开发了一个功能化的GUI,促进了对结肠镜图像的自动化细分工具的实际使用.
结论:
- 拟议的DeepLabv3+模型与ResNet-50骨干提供了一个高度准确和有效的解决方案,用于结肠多片细分.
- 自动聚细分对改善结肠直肠癌的早期诊断和优化多角切除术的手术规划具有很大的前景.
- 开发的工具可以通过提供快速可靠的图像分析来显著帮助临床医生,潜在地减少诊断错误并改善患者的治疗结果.
更多相关视频
13:01Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment
Published on: June 3, 2022
3.6K
06:03AMEBaS: Automatic Midline Extraction and Background Subtraction of Ratiometric Fluorescence Time-Lapses of Polarized Single Cells
Published on: June 23, 2023
417
