使用混合残留和双块变压器网络改进血细胞诊断
Vishesh Tanwar1, Bhisham Sharma2, Dhirendra Prasad Yadav3
1Chitkara University Institute of Engineering and Technology, Chitkara University, Rajpura 140401, Punjab, India.
Bioengineering (Basel, Switzerland)
|February 26, 2025
概括
一种新的残留视觉转换器 (ResViT) 模型在从细胞图像中诊断白血病时达到99%以上的准确性. 这种人工智能方法为血液癌症诊断的传统方法提供了更快,更准确的替代方案.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 白血病的诊断依赖于识别血液细胞中的微妙形态差异.
- 传统的诊断方法耗时,容易出现人为错误.
- 对于高效和准确的白血病自动诊断工具有着至关重要的需求.
研究的目的:
- 开发一种先进的AI模型,用于准确高效的白血病诊断.
- 克服传统白血病诊断技术的局限性.
- 提高识别不同白血病亚型的速度和可靠性.
主要方法:
- 提出了一个新的残余视觉变压器 (ResViT) 模型,将ResNet-50和视觉变压器 (ViT) 架构结合起来.
- 实现了双流ViT,其中包括局部特征的卷积流和全球依赖的变压器流.
- 利用ResViT从白血病细胞图像中提取低级 (纹理,边缘) 和高级 (图案,形状) 的特征.
主要成果:
- 在两个独立的数据集上,ResViT模型的诊断准确性超过了99%.
- 该模型有效地捕获了细胞图像中的本地细节和全球空间关系.
- 在区分不同白血病亚型方面取得了高性能.
结论:
- 拟议的ResViT模型为白血病诊断提供了一个高度准确和高效的解决方案.
- 这种人工智能驱动的方法显示出在血液癌症诊断中临床应用的巨大潜力.
- ResViT可以提高白血病亚型识别的准确性和速度,有助于及时治疗患者.
