人工智能驱动的遗传算法优化了肺部细分,以在早期肺癌诊断中提供精确的诊断
Yahia Said1, Riadh Ayachi2, Mouna Afif3
1Center for Scientific Research and Entrepreneurship, Northern Border University, Arar, 73213, Saudi Arabia. Yahia.said@nbu.edu.sa.
Scientific reports
|July 2, 2025
概括
这项研究引入了一个AI框架,使用遗传算法用于早期癌症诊断中精确的肺部细分. 优化的模型在显著减少参数的情况下实现了高精度,因此非常适合资源有限的设置.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 肺癌是全球主要的死亡原因之一.
- 准确的肺部细分对于早期诊断和治疗计划至关重要.
- 现有的诊断工具需要提高效率和准确性.
研究的目的:
- 开发一个先进的AI驱动的框架,用于在早期肺癌诊断中精确的肺部细分.
- 使用遗传算法优化框架,以提高准确性和降低计算复杂性.
- 为了实现有效和准确的肺癌诊断,特别是在资源有限的环境中.
主要方法:
- 使用了集成的UNET3+架构与多尺度特征提取.
- 采用遗传算法来优化神经网络配置并确定最佳参数.
- 对公开可用的肺部细分数据集进行了广泛的实验.
主要成果:
- 实现了99.17%的子相似系数,证明了优越的细分精度.
- 与基线UNET3+模型相比,模型参数减少了74%,显著降低了计算成本.
- 在各种肺部细分数据集上验证了框架的有效性.
结论:
- 由人工智能驱动的框架为肺部细分提供了高度准确和计算高效的解决方案.
- 优化的模型适合在资源有限的环境和医疗诊断设备中部署.
- 这种方法突出了人工智能在提高早期肺癌检测和减少医疗保健差距方面的潜力.
