使用基于特征选择的视觉转换器检测阿斯珀吉隆瘤疾病.
Siyami Aydın1, Mehmet Ağar1, Muharrem Çakmak1
1Department of Thoracic Surgery, Faculty of Medicine, Firat University, 23119 Elazig, Turkey.
Diagnostics (Basel, Switzerland)
|January 11, 2025
概括
这项研究引入了一种新的深度学习方法,使用视觉转换器来准确检测阿斯伯吉洛马病. 该方法达到99.70%的准确性,显著改善了这种真菌感染的早期诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 菌类感染 菌类感染
背景情况:
- 阿斯伯吉洛马病是由阿斯伯吉洛斯真菌引起的,在肺部和鼻腔等器官中形成真菌质量.
- 诊断依赖于专家意见和先进技术,深度学习模型有助于早期检测.
- 目前的治疗方法涉及手术方法,强调需要精确的诊断工具.
研究的目的:
- 评估视觉转换器 (ViT) 在检测阿斯珀吉洛马病的有效性.
- 开发一个先进的深度学习框架,以提高诊断准确度.
- 将ViT的性能与传统的深度学习模型进行比较,以识别阿斯珀吉洛马.
主要方法:
- 利用了来自胸部手术患者的阿斯伯吉洛马和非阿斯伯吉洛马图像的数据集.
- 雇佣了预处理,数据增强和三个ViT模型 (vit_base_patch16,vit_large_patch16,vit_base_resnet50) 进行培训.
- 综合特征选择 (Chi2,mRMR,Relief) 和融合技术,随后进行支持矢量机器 (SVM) 分类.
主要成果:
- 采用SVM分类的拟议方法,实现了出色的99.70%的整体准确性.
- 交叉验证证实了诊断方法的高性能和可靠性.
- 视觉转换器在提高阿斯伯吉隆瘤检测准确度方面表现出显著的潜力.
结论:
- 开发的方法,利用ViTs和SVM,为阿斯珀吉洛马诊断提供了一个非常有效的工具.
- 这种方法有望融入临床环境,以更早,更准确地识别疾病.
- 这项研究强调了人工智能在医学诊断方面的进步,特别是在挑战真菌感染方面.
