结肠直肠癌揭露:一个协同的人工智能框架用于超细粒度图像剖析,精确细分和自动诊断
Akella S Narasimha Raju1, K Venkatesh2, M Rajababu3
1Department of Computing Technologies, School of Computing, SRM Institute of Science and Technology, Kattankulathur, Chennai, Tamilnadu, 603203, India. akella.raju@gmail.com.
BMC medical imaging
|July 15, 2025
概括
结合视觉转换器和DeepLabV3+的新人工智能系统在结肠镜图像中准确地检测和细分结肠直肠癌病变,改善早期诊断和临床实施.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 瘤学和胃肠道学
背景情况:
- 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因.
- 对于可解释,准确和强大的计算机辅助诊断 (CADx) 系统来检测CRC的需求至关重要.
研究的目的:
- 开发和评估一种实用的CADx系统,用于在结肠镜图像中识别和细分结肠直肠病变.
- 利用视觉转换器 (ViTs) 和DeepLabV3+来提高诊断性能.
主要方法:
- 开发了一个混合CADx系统,集成ViTs进行分类和DeepLabV3+进行细分.
- 该系统使用基于PCA的维度缩小,数据增强和CKHK-22数据集 (>14,000图像) 的战略预处理.
- 绩效与ResNet-50,DenseNet-201和VGG-16进行了评估,用于分类和细分的标准指标.
主要成果:
- ViT实现了最先进的分类性能,准确率为97%,F1得分为0.95,AUC为92%.
- 深度实验室V3+显示出优越的细分,具有0.88个子系数和0.71个IOU,用于精确的病变定位.
- 混合系统的表现优于传统的CNN,解决了阶级不平衡和现实世界的复杂性.
结论:
- 拟议的ViT-DeepLabV3+ CADx系统为结直肠病变检测和细分提供了强大而准确的解决方案.
- 这种由人工智能驱动的系统支持早期诊断,可扩展的临床实施,并且可以在资源稀缺的环境中部署.
- 该系统为先进的AI在结直肠癌查和监测方面奠定了基础.
