EfficientNetSwift:一种轻量级和精确的深度学习模型,用于使用病理图像检测口腔状细胞癌
1Department of Stomatology, The First Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, China.
Technology in cancer research & treatment
|September 26, 2025
概括
一个新的深度学习模型,EfficientNetSwift,通过病理图像准确检测口腔状细胞癌 (OSCC). 这种人工智能方法为人工诊断提供了更快,更可靠的替代方案,改善了患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 口腔状细胞癌 (OSCC) 是一种具有高复发率和转移率的侵袭性头癌.
- 目前依赖病理学家的诊断方法耗时,劳动密集,容易产生主观偏见.
- 使用人工智能 (AI) 自动检测OSCC对于提高临床效率和准确性至关重要.
研究的目的:
- 开发和评估一种新的深度学习模型,用于从病理图像中精确和自动检测OSCC.
- 将开发模型的性能与主流深度学习架构进行比较.
主要方法:
- 开发了一种新的深度学习模型,EfficientNetSwift,用于自动化OSCC检测.
- 该模型的性能被评估并与ResNet,MobileNet和Vision Transformer (VIT) 模型进行了比较.
- 关键性能指标包括准确性,精度和曲线下的面积 (AUC).
主要成果:
- 在从病理图像中检测OSCC时,EfficientNetSwift实现了95.3%的准确性和0.99的AUC.
- 与ResNet,MobileNet和VIT相比,该模型的性能优越,参数比ResNet和VGG少得多.
- 斯温变压器在评估的模型中表现最差.
结论:
- 基于深度学习的OSCC自动检测可以显著减少临床医生的工作量和劳动力成本.
- 开发的AI模型有助于更有效,更准确的诊断和OSCC的预后预测.
- 这项技术为口腔癌护理中个性化治疗规划提供了坚实的基础.
