早期检测结直肠癌使用混合模型,增强图像质量和优化分类
Ahmet Bozdag1, Mucahit Karaduman2, Soner Kiziloluk3
1Department of General Surgery, School of Medicine, Firat University, Elazig, Turkey.
Physical and engineering sciences in medicine
|August 11, 2025
概括
一种新的混合人工智能模型通过分类95.5%准确度的组织类型来增强结直肠癌检测. 这种先进的诊断工具,利用深度学习和优化算法,有助于早期癌症诊断和治疗.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 大肠直肠癌起源于大肠和直肠,通常从多中发展.
- 早期诊断对于成功治疗结直肠癌至关重要.
- 准确识别结直肠组织类型对于诊断至关重要.
研究的目的:
- 开发和评估一种新的混合人工智能 (AI) 模型,用于检测结直肠癌组织类型.
- 为了提高结直肠癌组织病理学分析的准确性和效率.
主要方法:
- 一个混合模型,结合Denoising卷积神经网络 (DNCNN) 来提高图像质量.
- 功能地图提取使用DarkNet53,优化了大猩猩部队优化算法 (GTO) 的性能.
- 使用支持矢量机 (SVM) 分类器对组织类型的分类.
主要成果:
- 拟议的混合模型在分类八种不同的结直肠癌组织类型时达到95.5%的准确性.
- 该模型在区分脂肪,复杂,碎片,空,淋巴,粘膜,肌瘤和瘤组织方面表现出有效的性能.
结论:
- 开发的混合人工智能模型显示了准确的结直肠癌组织分类的巨大潜力.
- 建议使用大型,多样化的数据集进行进一步验证,以提高模型的概括性,稳定性和准确性.


