2SLOD-HCG:HCG测试带度预测网络
Qi Hu1, Jinshu Zhao2, Shimin Kan1
1School of Artificial Intelligence, Changchun University of Science and Technology, Changchun 130022, China.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究引入了2SLOD-HCG,这是一种新的AI网络,用于从测试条中准确检测人类胆管性淋巴激素 (HCG) 水平. 它通过增强特征感知来改进现有方法,以实现更可靠的怀孕诊断.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
背景情况:
- 人体胆性腺激素 (HCG) 是检测怀孕的关键生物标志物.
- 目前的HCG测试带解释面临挑战,包括用户错误,AI限制和可变的图像质量.
- 准确和可访问的HCG检测对于及时诊断与怀孕有关的疾病至关重要.
研究的目的:
- 开发一种基于人工智能的强大而准确的方法来检测HCG度.
- 克服现有的AI检测方法的局限性,并在各种成像条件下提高可靠性.
- 通过自动化试验带分析,提高早期怀孕,多胎怀孕和宫外怀孕的诊断能力.
主要方法:
- 提出了2SLOD-HCG,这是一个具有增强空间金字塔聚合 (SPP) 模块的新型网络,用于多层次信息集成.
- 整合了弹性变化交叉FPN与轻量级变压器块,以改善全局特征感知.
- 应用SimAM注意力机制,以强调测试带图像中的关键局部特征.
- 在各种照明和移动摄影条件下创建了5万张增强测试条图像的数据集.
主要成果:
- 与基于YOLO的基线相比,2SLOD-HCG网络显示出更高的准确性和稳定性.
- 该模型在检测HCG测试条上的小,关键的色彩发育区域方面表现出色.
- 在各种照明条件和移动摄影场景中注意到了性能改进.
结论:
- 2SLOD-HCG网络在自动化HCG试验带分析方面取得了重大进展.
- 这种方法提高了人工智能驱动的怀孕诊断的可靠性和准确性.
- 该方法对更容易获得和更精确的早期怀孕评估有希望.
