通过Vanilla CNN进行口腔癌检测,并通过改进的人工原生虫优化器进行优化
Yulong Chai1, Xiuqing Chai2, Lan Zhang1
1Lin'an Oral Hospital, Hangzhou, 311300, Zhejiang, China.
Scientific reports
|August 9, 2025
概括
一种新的方法提高了口腔癌的检测使用改进的人工原生虫优化器 (IAPO) 来优化修改的香草卷积神经网络 (CNN). 这种方法达到92.5%的准确性,超过了可靠口腔癌诊断的现有模型.
科学领域:
- 医学成像和诊断 医学成像和诊断
- 医疗保健中的人工智能
- 计算生物学 计算生物学
背景情况:
- 口腔癌的检测仍然是医疗保健中的一个关键挑战,需要先进的诊断工具.
- 现有的深度学习模型显示出希望,但需要进一步优化以提高准确性和可靠性.
- 超启发式算法为微调复杂的神经网络架构提供了潜在的潜力.
研究的目的:
- 开发和评估一种新的,优化的卷积神经网络 (CNN),用于增强口腔癌检测.
- 引入一个改进的人工原生动物优化器 (IAPO) 来优化CNN架构.
- 将拟议方法的性能与已建立的最先进模型进行比较.
主要方法:
- 设计了一个修改后的Vanilla CNN架构,包含批量规范化,dropout规范化和自定义卷积块.
- 改进的人工原生动物优化器 (IAPO) 算法被开发并用于优化香草CNN参数.
- 1000张口腔癌患者图像的数据集经过了预处理,包括对比度增强,降噪和数据增强.
主要成果:
- IAPO优化的Vanilla CNN在口腔癌检测中实现了92.5%的高精度.
- 它的性能优于ResNet-101 (90.1%) 和DenseNet-121 (89.5%).
- 使用标准指标进行评估:准确性,精度,回忆,F1得分和AUC-ROC.
结论:
- 拟议的IAPO优化的Vanilla CNN为口腔癌检测提供了一个高度准确和可靠的方法.
- IAPO算法有效地优化了CNN,证明了优越的搜索空间探索和避免局部最佳.
- 这种先进的方法具有显著的潜力,可以改善口腔瘤学的早期诊断和患者的治疗结果.
