gamUnet:设计基于全球关注的CNN架构,以提高口腔癌的检测和细分
Jinyang Zhang1, Hongxin Ding1,2, Runchuan Zhu1
1School of Computer Science, Peking University, Beijing, China.
Frontiers in medicine
|August 7, 2025
概括
一个新的深度学习模型,gamUnet,通过改善组织病理图像的分析来增强口腔癌诊断. 这种AI工具有助于临床医生更准确,更有效地检测口腔状细胞癌 (OSCC).
科学领域:
- 病理学 病理学 病理学
- 计算机科学 计算机科学
- 在瘤学瘤学.
背景情况:
- 口腔状细胞癌 (OSCC) 诊断依赖于手动的H&E幻灯片评估,这是耗时和可变的.
- 传统的深度学习模型在OSCC图像中与复杂的组织结构和透式生长模式作斗争.
研究的目的:
- 开发一种先进的深度学习架构,用于准确有效地对OSCC组织病理图像进行自动化分析.
- 解决传统方法在捕获OSCC细分的全球上下文信息方面的局限性.
主要方法:
- 拟议的gamUnet架构集成全球注意力机制 (GAM) 来捕获跨模式信息并保留空间细节.
- 引入了一个扩展的gamResNet模型,以进一步提高OSCC检测性能.
主要成果:
- 在OSCC诊断中,GAM增强的架构显著优于传统模型.
- 在对公共数据集的实验评估中实现了卓越的准确性,稳定性和效率.
结论:
- 拟议的gamUnet和gamResNet为临床医生在诊断OSCC时提供了有效的工具.
- 这种方法可以减少诊断的变化,并改善口腔癌的患者护理和治疗计划.
