基于深度学习技术的血液癌症预测模型
Amr I Shehta1, Mona Nasr2, Alaa El Din M El Ghazali3
1Department of Information System, Faculty of Computers and Artificial Intelligence, Helwan University, Cairo, Egypt. amr.ibrahim@fci.helwan.edu.eg.
Scientific reports
|January 13, 2025
概括
这项研究通过深度学习提高了血液癌症的诊断. ResNetRS50在早期检测方面表现出卓越的准确性和速度,改善了患者的生存率.
科学领域:
- 医疗信息学 医疗信息学
- 在瘤学中使用人工智能
- 计算生物学 计算生物学
背景情况:
- 血液癌症对全球健康构成重大威胁,其高死亡率与遗传和环境因素有关.
- 早期癌症检测对于改善治疗成功率和降低死亡率至关重要.
- 目前的诊断方法需要改进,以满足及时准确地识别血液癌症的迫切需要.
研究的目的:
- 通过先进的深度学习模型,提高血液癌症诊断的准确性和效率.
- 确定最有效的深度学习架构,用于早期检测血液癌症.
- 通过促进更早,更精确的诊断来降低与血液癌症相关的死亡率.
主要方法:
- 对多种深度学习模型的评估,包括ResNetRS50,RegNetX016,AlexNet,Convnext,EfficientNet,Inception_V3,Xception和VGG19.9等.
- 基于血液癌症分类的准确性,速度和错误率对模型性能进行比较分析.
- 专注于利用深度学习来改善血液癌症诊断中的图像或数据分析.
主要成果:
- 与其他最先进的模型相比,ResNetRS50在准确性和速度方面表现出更高的性能.
- ResNetRS50模型实现了最小的错误率,表明了高诊断精度.
- 深度学习方法显示出提高血液癌症检测能力的巨大潜力.
结论:
- ResNetRS50是一种高效的深度学习模型,用于改善血液癌症诊断.
- 通过先进的人工智能促进的早期检测可以显著降低死亡率并改善患者的治疗结果.
- 这项研究支持将深度学习纳入临床实践,以更好地管理血液癌症.
关键词:
血液癌症 是一种血液癌症.分类 分类 分类 分类.随着时间的推移.医学深度学习 医学深度学习在 RegNetX01616 中,在ResNetRS50中使用.在VGG19中,VGG19是VGG19的代表.更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.3K