利用预训练有素的视觉转换器在光学连贯断层扫描图像中进行自动化癌症诊断
Soumyajit Ray1, Cheng-Yu Lee1, Hyeon-Cheol Park2
1Department of Electrical and Computer Engineering, Johns Hopkins University, Baltimore, MD 21218, USA.
Biomedical optics express
|August 14, 2025
概括
这项研究引入了一种新的机器学习方法,用于使用光学连贯断层扫描 (OCT) 图像准确检测脑癌. 该方法的准确度超过98%,有助于实时手术指导.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经外科 神经外科
背景情况:
- 精确的癌症和非癌症大脑组织的手术内分化对于神经外科手术至关重要.
- 目前的方法可能缺乏最佳外科决策所需的精度和实时反.
研究的目的:
- 开发和验证一个先进的机器学习模型,用于实时检测脑癌,使用光学连贯断层扫描 (OCT) 图像.
- 改善在脑癌手术期间的手术内指导和决策.
主要方法:
- 一种双路径架构,将视觉变压器 (ViT,DINOv2) 结合在全球特征上,并将卷积神经网络 (CNN) 与灰色水平共发生矩阵 (GLCM) 结合在本地纹理分析中.
- 采用对抗性歧视者网络来缓解患者特定偏见并增强概括性.
- 还进行了使用MambaVision块的替代方法的探索.
主要成果:
- 主要模型实现了高精度:在培训方面超过99%,在验证方面98.8%,在测试数据集上98.6%.
- 该方法证明了癌症和非癌症大脑组织之间的有效区分.
- MambaVision块显示了可比性能的表现,这表明了研究结果的可靠性.
结论:
- 拟议的机器学习方法显示了实时,高精度的手术内脑癌检测的巨大潜力.
- 这项技术可以增强外科指导,从而改善神经外科手术患者的治疗结果.
- 开发的模型为手术过程中实时组织分类提供了一个有前途的工具.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.5K
07:11Author Spotlight: Insights into Visual Cortex Research Through Wide-View fMRI Mapping
Published on: December 8, 2023
1.9K
