准确的膀癌症诊断使用整体深度倾斜.
Rana A El-Atier1, M S Saraya2, Ahmed I Saleh2
1Computers and Control Department, Faculty of Engineering Department, Faculty of Engineering, Mansoura University, Mansoura, 35516, Egypt. eng.r.ahmed2288@gmail.com.
Scientific reports
|April 15, 2025
概括
一个新的集体深度学习 (EDL) 模型为诊断膀癌提供了更准确,更有效的方法. 这种人工智能方法结合了多种深度学习技术,以提高诊断准确度并减少癌症检测中的错误.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 膀癌的诊断依赖于侵入性,昂贵和耗时的方法,如活检.
- 目前用于膀癌的生物标志物测试由于高的假阳性和假阴性率而受限于可靠性.
- 人工智能 (AI) 显示出改善泌尿病诊断的前景.
研究的目的:
- 为准确的膀癌诊断引入一个新的集体深度学习 (EDL) 模型.
- 通过整合多个AI算法来提高诊断精度.
- 为临床决策提供一个更易于解释的AI模型.
主要方法:
- 数据预处理涉及使用四分位数间范围 (IQR) 拒绝异常值.
- 该EDL模型整合了三个深度学习算法:卷积神经网络 (CNN),生成对抗网络 (GAN) 和可解释的深度学习 (XDL) 使用指导级CAM.
- 一个新的多数投票机制整合了CNN,GAN和XDL的输出,用于最终诊断,在不同的预测的情况下考虑准确性.
主要成果:
- 与现有方法相比,拟议的EDL模型在诊断膀癌方面表现出更高的效率和准确性.
- EDL实现了最高的准确率和最低的错误率.
- 该模型还显示了执行时间的缩短,表明了实际的临床实用性.
结论:
- EDL模型代表了人工智能驱动的膀癌诊断的重大进步.
- 这种方法提供了比目前的诊断程序更可靠,更准确,更快的替代方案.
- 可解释性AI (XDL) 的整合增强了临床医生的信任和对诊断结果的理解.
