使用ResNet50和ConvNeXt小的自动化菌病诊断
Serdar Ferit Toprak1, Serkan Dedeoğlu2, Günay Kozan3
1Department of Audiology, Artuklu University, Mardin 47100, Turkey.
Bioengineering (Basel, Switzerland)
|August 28, 2025
概括
深度学习模型可以从CT扫描中准确检测粘性肌瘤,帮助快速诊断. 这些人工智能工具可以作为非侵入性查来补充传统的活检方法.
科学领域:
- 医学成像分析
- 诊断中的人工智能
- 检测真菌感染
背景情况:
- 粘菌菌是一种严重的真菌感染,需要及时诊断.
- 传统的诊断依赖于侵入性活检,
- 计算机断层扫描 (CT) 是一种非侵入性成像方法.
研究的目的:
- 开发和评估用于自动检测粘膜病的深度学习模型.
- 评估转移学习模型 (ResNet50,ConvNeXt Small) 在鼻CT图像上的性能.
- 确定人工智能是否可以加快粘膜炎的诊断和帮助临床决策.
主要方法:
- 对794个鼻CT图像的回顾性分析,这些图像来自粘膜瘤,鼻或正常发现的患者.
- 图像预处理,包括调整尺寸和增强模型训练.
- 微调ResNet50和ConvNeXt小型转移学习模型,以70/30分列测试和交叉验证.
主要成果:
- 在测试组中,ConvNeXt Small实现了100%的准确性,精度,回忆力和F1分数.
- ResNet50显示了99.16%的准确性,具有高精度和回忆.
- 一致的交叉验证结果 (对ConvNeXt的准确率为99%) 和废弃研究证实了转移学习的有效性.
结论:
- 深度学习模型可以从CT扫描中准确地检测粘性肌瘤.
- 这些人工智能工具可以作为快速查辅助工具,补充细胞病理学.
- 建议在早期的粘膜炎治疗中进行进一步的验证和临床整合.
