服视力转换器用于临床喉腔镜评估
Xinzhu Zhang1, Jing Zhao1, Daoming Zong1
1School of Computer Science and Technology, East China Normal University, North Zhongshan Road 3663, Shanghai, 200062, China.
Journal of biomedical informatics
|January 19, 2025
概括
视觉转换器模型MedFormer通过分析喉腔镜图像显著改善了喉癌 (LCA) 和癌前病变的早期检测. 它的性能优于其他模型,与医生的评估相匹配,有助于临床诊断.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 喉腔镜对于诊断喉癌 (LCA) 是至关重要的,但在区分癌前病变和早期癌性病变时,它受到高的观察者间变异性和诊断挑战的影响.
- 目前的诊断方法在很大程度上依赖于内镜专家的专业知识,导致潜在的不一致性和延迟检测.
研究的目的:
- 加强喉腔镜图像分析,以改善喉癌和癌前疾病的早期查和检测.
- 开发一个强大的AI模型,克服数据稀缺性并实现强大的概括能力.
主要方法:
- 提出MedFormer,一种使用视觉转换器 (ViT) 架构的新喉癌分类方法.
- 使用预训练过的变压器实施定制的转移学习方法,以解决数据限制并实现强大的域外通用化.
- 微调一组最小的额外参数,以便有效地调整模型.
主要成果:
- MedFormer获得了高的灵敏度-特异性值:98%-89%的癌前病变和89%-97%的癌症检测.
- 该模型显著优于卷积神经网络 (CNN) 和其他基于视觉转换器 (ViT) 的模型.
- 在特定场景中,MedFormer与医生视觉评估 (PVE) 相匹配或超过,并通过可视化展示了可解释性.
结论:
- 视觉变压器显示出临床喉镜评估的巨大潜力.
- MedFormer代表了一种有效的AI驱动的方法,用于早期检测喉癌,提高诊断准确性和一致性.
