在使用最佳的生物医学图像深度特征融合方法诊断结直肠癌方面取得了进展
Sultan Refa Alotaibi1, Manal Abdullah Alohali2, Mashael Maashi3
1Department of Computer Science, College of Science and Humanities Dawadmi, Shaqra University, Shaqra, Saudi Arabia.
Scientific reports
|February 5, 2025
概括
这项研究引入了一种新的AI方法,用于从基因病理图像中诊断结肠直肠癌 (CRC). 该方法实现了99.39%的准确性,为病理学家提供了更一致和可靠的诊断工具.
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:
- 结肠直肠癌 (CRC) 诊断严重依赖于组织病理图像 (HI) 分析,这是主观的,容易变化的.
- 随着诊断负载的增加和观察者之间的变化,需要自动化,一致的CRC评估方法.
- 人工智能 (AI),特别是深度学习 (DL),显示出改善病理学中的计算机辅助诊断 (CAD) 的希望.
研究的目的:
- 开发和评估一种基于人工智能的新方法,以使用基因病理图像准确诊断结直肠癌.
- 通过自动化分析,提高诊断的一致性,减少CRC评估的主观性.
- 集成先进的DL模型和优化算法,以实现CRC检测的卓越性能.
主要方法:
- 使用生物医学图像最佳深度特征融合方法 (CCD-ODFFBI) 开发了一种新的结肠直肠癌诊断方法.
- 在CCD-ODFFBI技术中,用于降低生物医学图像中的噪声,采用中位过 (MF).
- 使用三个DL模型 (MobileNet,SqueezeNet,SE-ResNet) 的融合进行了特征提取,通过Osprey优化算法 (OOA) 进行了超参数优化,然后使用深度信念网络 (DBN) 进行了分类.
主要成果:
- 在Warwick-QU数据集上,CCD-ODFFBI方法显示了高诊断准确率99.39%.
- 拟议的方法在CRC检测准确性方面明显优于现有技术.
- 模拟证实了CCD-ODFFBI方法的有效性和卓越性能.
结论:
- 开发的CCD-ODFFBI方法提供了一个高度准确和可靠的AI驱动的解决方案,用于从组织病理图像进行结直肠癌诊断.
- 这种方法解决了主观手动诊断的局限性,为更加一致和高效的病理学工作流程铺平了道路.
- 整合DL模型和优化算法在瘤学计算机辅助诊断方面取得了重大进展.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.6K
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.2K
