使用Py-SpinalNet检测甲状腺癌:一个金字塔和脊髓网的方法
Murugadoss R1, Augustus Devarajan A2, Vetriselvi T3
1Department of Artificial Intelligence and Data Science, V.S.B. College of Engineering Technical Campus, Kinathukadavu, Coimbatore, Tamil Nadu, India.
Cancer investigation
|September 15, 2025
概括
一个新的AI模型Pyramid-SpinalNet (Py-SpinalNet) 改善了早期甲状腺癌检测. 这种先进的深度学习方法提高了诊断准确度,减少了假阳性和假阴性,以获得更好的患者结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 全球甲状腺癌和结节的增加需要先进的诊断工具.
- 目前的诊断方法面临着诸如过度适配和不良通用性等局限性.
- 传统方法与高的假阳性和假阴性率作斗争,影响诊断性能.
研究的目的:
- 引入一种新的深度学习模块Pyramid-SpinalNet (Py-SpinalNet),用于增强甲状腺癌分类.
- 解决现有方法在准确性和可靠性方面的局限性.
- 为了改善甲状腺癌的早期检测.
主要方法:
- 使用维纳波器进行图像预处理.
- 使用3D-UNet.net进行的结节细分.
- 功能提取,然后使用Pyramid-SpinalNet模型进行分类,这是PyramidNet和SpinalNet.Net的混合体.
主要成果:
- 金字塔-SpinalNet实现了高性能指标:91.9%的准确性,90.9%的真正比率 (TPR) 和92.8%的真负比率 (TNR).
- 该模型在早期甲状腺癌检测方面表现出有效性.
- 观察到错误阳性和错误阴性率的显著降低.
结论:
- 金字塔-SpinalNet提供了一种更有效和可靠的方法来分类甲状腺癌.
- 该模型最大限度地减少诊断错误的能力支持其临床实用性.
- 这种人工智能驱动的方法有望改善甲状腺癌诊断和患者管理.
