提供前列腺癌检测和预防方法,使用开发的深度学习方法
Alireza Zarei1, Elias Mazrooei Rad2, Shahryar Salmani Bajestani3
1Department of Engineering, Faculty of Biomedical Engineering, Apadana Institute of Higher Education, Shiraz, Iran.
Prostate cancer
|May 16, 2025
概括
这项研究引入了一种新的深度学习模型,用于从组织病理学图像中准确诊断前列腺癌,达到高达97.41%的准确性. 这项研究还确定了导致前列腺癌呈现的关键因素.
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:
- 前列腺癌是一个重要的全球健康问题,排名第二最常见的男性癌症.
- 近年来,伊朗男性的前列腺癌发病率明显增加,这与生活方式因素和未经监测的激素使用有关.
研究的目的:
- 开发和评估一种基于深度学习的模型,用于使用组织病理学图像准确诊断前列腺癌.
- 通过文献综述和仿真,调查促使前列腺癌呈现的因素.
主要方法:
- 利用深度学习技术,特别是结合Tile和Grad-CAM功能,用于前列腺癌诊断的组织病理图像.
- 开发了一种基于多元模型的新型深度学习模型,以提高诊断性能.
主要成果:
- 拟议的深度学习模型与现有的最先进的方法相比,表现优越.
- 在前列腺癌检测方面达到高达97.41%的高诊断准确度.
结论:
- 开发的深度学习方法在从组织病理学图像准确诊断前列腺癌方面取得了重大进展.
- 该研究确定了影响前列腺癌呈现的关键因素,有助于了解疾病模式.


