利用一种新的卷积神经网络用于结肠直肠癌查中的诊断和损伤划分
Renbo Li1, Ruofan Cao2, Qi Zhao2
1School of Control Science and Engineering, Shandong University, Jinan, 250012, Shandong, China.
Journal of imaging informatics in medicine
|January 17, 2025
概括
一个新的深度学习模型提高了早期结直肠癌的检测. 这种卷积神经网络 (CNN) 提高了查准确性,并提供了病变热图以更好地识别病变.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 早期发现结直肠癌 (CRC) 对于改善患者的治疗结果和减少治疗复杂性至关重要.
- 目前的查方法面临挑战,因为高需求和有限的专家可用性,需要先进的诊断工具.
研究的目的:
- 开发和评估一种创新的卷积神经网络 (CNN) 模型,用于增强早期结直肠癌检测.
- 与现有方法相比,评估模型在准确性,精度,回忆和F1得分方面的性能.
主要方法:
- 一个CNN模型是使用来自四个医疗机构的8260张查图像来开发的.
- 该模型具有并行的全球和本地特征提取分支以及独特的分类头部.
- 性能与使用标准诊断指标的五个领先模型进行了对比.
主要成果:
- 与基准模型相比,拟议的CNN模型在准确性,精度,回忆和F1得分方面表现出卓越的表现.
- 生成的热图有效地突出了癌症病变区域,有助于自动识别病变.
- 该模型实现了准确和快速的诊断结果.
结论:
- 开发的CNN模型显示,在推进早期结直肠癌查方面,有显著的前景.
- 它通过热图提供准确的分类和可解释的病变定位的能力为临床实践提供了有价值的工具.
