RL-Cervix.Net:一个混合轻量级模型,集成强化学习用于宫细胞分类
Shakhnoza Muksimova1, Sabina Umirzakova1, Jushkin Baltayev2
1Department of Computer Engineering, Gachon University, Sujeong-gu, Seongnam-si 461-701, Gyeonggi-do, Republic of Korea.
Diagnostics (Basel, Switzerland)
|February 13, 2025
概括
一个新的AI模型,RL-Cervix.Net,使用强化学习和CNNs进行高度准确的宫癌检测. 医学诊断的进步有望提前发现疾病并改善患者的治疗结果.
科学领域:
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
- 计算病理学计算病理学
背景情况:
- 强化学习 (RL) 推进了人工智能对顺序决策的使用.
- 宫癌查依赖于诸如巴氏涂片测试之类的工具.
- 人工智能增强了自动诊断系统,以改善查.
研究的目的:
- 介绍RL-Cervix.Net,一种混合AI模型.
- 整合RL与卷积神经网络 (CNN) 进行宫癌检测.
- 提高宫癌查的精度和效率.
主要方法:
- 使用ResNet-50架构与RL模块相结合.
- 在三个大型公共数据集上训练并验证了模型.
- 使用RL用于使用奖励函数来改进动态特征.
主要成果:
- 在识别非典型的宫细胞方面达到99.98%的分类准确度.
- 与现有方法相比,证明了更高的准确性和可解释性.
- 解决细胞学图像分析中的变异性和复杂性.
结论:
- RL-Cervix.Net代表了人工智能在医学诊断方面的突破.
- 该模型显著提高了早期宫癌检测的准确性和效率.
- 有潜力提高患者的治疗结果,降低死亡率.


