在多光谱成像系统中使用人工智能 (AI) 模型实时检测癌前宫病变
A Keerthana1, Arpitha Anantharaju2, P T Mohammed Ansar1
1Department of Electronics and Communication Engineering, Indian Institute of Information Technology, Design and Manufacturing, Kancheepuram, Chennai, India.
概括
这项研究引入了用于宫癌查的AI模型,改进了对异常血管和吸收的检测. 这种人工智能辅助系统旨在减少临床间的差异性和不必要的活检.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 宫癌是全球女性的主要癌症.
- 早期诊断和预防对于改善预后至关重要.
- 目前的宫检查准确性受到临床间差异的限制.
研究的目的:
- 开发与多谱成像系统 (GynoSight) 集成的实时AI模型.
- 在宫查期间协助临床医生检测异常的血管,酸白吸收和阴性区域.
- 减少临床医生之间的变化和不必要的活检.
主要方法:
- 使用了609张镜图像的数据集 (普通盐水,3%的酸,卢戈尔的).
- 实施了一种EfficientNet架构AI模型,用于识别非典型的血管和异常吸收区域.
- 采用过阴道成像探头 (GynoSight) 与训练有素的TensorFlow模型进行实时检测.
主要成果:
- 在阴性区域识别方面获得了86.67%的准确性 (F1得分为90%,mAP为91.1%).
- 通过细分算法,提高了酸吸收检测精度,从57%提高到85.71%.
- 与临床医生的解释和活检结果相比,AI系统检测的异常血管,酸白区域和阴性吸收.
结论:
- 一个人工智能辅助的实时检测系统可以在宫查期间帮助临床医生.
- 该系统有可能减少不必要的活检的数量.
- 人工智能集成可以帮助标准化宫检查解释,减少变化.
