一个轻量级模型的强力地图增强细分用于早期检测宫癌
Sabina Umirzakova1, Shakhnoza Muksimova1, Jushkin Baltayev2
1Department of Computer Engineering, Gachon University, Sujeong-gu, Seongnam-si 461-701, Gyeonggi-do, Republic of Korea.
Diagnostics (Basel, Switzerland)
|March 13, 2025
概括
这项研究引入了一种轻量级的人工智能模型,用于高效的宫细胞细分,改善早期癌症检测. 该模型在低功耗设备上实现了高精度的实时性能,提高了宫癌查的可访问性.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 医疗保健中的人工智能
背景情况:
- 准确的宫细胞细分对于早期宫癌检测至关重要.
- 现有的模型在重叠的细胞和计算需求方面扎,限制了临床使用.
研究的目的:
- 开发用于宫细胞分析的轻量级和高效的细分模型.
- 改善实时处理和部署在资源有限的设置.
主要方法:
- 使用MobileNetV2架构,以实现高效的功能提取.
- 引入了一种新的力量地图方法,用于增强边界划分.
- 集成的极端点监控,用于精细细分的细分,注释最小.
主要成果:
- 获得0.87的子系数和0.84.84的边界F1得分.
- 在低功耗硬件上以每秒大约50的实时性能.
- 在效率方面表现优于先进的模型,同时保持可比的准确性.
结论:
- 该模型平衡了细分精度和计算效率,克服了采用障碍.
- 由于低成本设备的实时性能,适合临床应用和低资源环境.
- 有潜力显著提高全球对宫癌查和诊断的准入.
