相关实验视频
Updated: May 29, 2025
10:43
Modeling Oral-Esophageal Squamous Cell Carcinoma in 3D Organoids
Published on: December 23, 2022
3.2K
优化人工智能模型以预测食道状细胞癌风险,通过结合软图像的小数据集来预测
Kotaro Waki1, Katsuya Nagaoka1, Keishi Okubo2
1Department of Gastroenterology and Hepatology, Faculty of Life Sciences, Kumamoto University, 1-1-1 Honjo, Chuo-ku, Kumamoto, Kumamoto, 860-8556, Japan.
Scientific reports
|February 1, 2025
概括
人工智能 (AI) 现在可以使用口腔图像预测食道状细胞癌 (ESCC) 风险. 双线卷积神经网络 (CNN) 模型在非侵入性识别高风险患者方面显示出高精度.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 食道状细胞癌 (ESCC) 风险预测缺乏非侵入性方法.
- 软的形态与ESCC风险增加有关.
- 目前没有任何人工智能系统在ESCC风险评估中使用口腔图像.
研究的目的:
- 使用口腔图像评估用于ESCC风险预测的AI模型.
- 评估对AI模型性能进行微调的方法.
- 开发一种非侵入性工具,用于识别高风险ESCC患者.
主要方法:
- 评估了三个人工智能模型和三个微调策略.
- 利用了539个病例 (口头图像) 的数据集.
- 采用了双线卷积神经网络 (CNN) 模型,预先训练了碎形图像.
主要成果:
- 双线CNN模型在区分高风险和非高风险ESCC群体方面表现出高精度.
- 在软图像上,表现最好的模型获得了0.91的AUC (灵敏度0.86,特异性0.79).
- 人工智能模型的性能与其他评估模型相比或优于其他模型.
结论:
- 使用口腔图像的基于AI的系统可以有效地预测ESCC风险.
- 开发的AI工具为高风险ESCC患者提供了一种非侵入性查方法.
- 这种方法对于医疗成像资源有限的机构来说是有价值的.
