在胰腺病理性卵巢癌中先进的严重性检测:基于排名的叶风优化和阿尔法逐步线性模糊技术
Venkata Lakshmi Sanapala1, Chandaka Pavan Sathish2, Uma Pyla3
1Department of Computer Science and Engineering, School of Technology, GITAM University, Visakhapatnam, Andhra Pradesh, India.
Cancer biotherapy & radiopharmaceuticals
|October 6, 2025
概括
这项研究引入了一种先进的卵巢癌 (OC) 严重性评估方法,该方法使用基因病理图像. 这种新的方法实现了高精度,有助于早期检测和改善卵巢癌的治疗计划.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 在瘤学中使用人工智能
背景情况:
- 卵巢癌 (OC) 由于微妙的早期症状,经常在晚期呈现.
- 准确的分期对于有效的卵巢癌治疗和患者的治疗结果至关重要.
研究的目的:
- 开发和验证一种新的方法来评估卵巢癌的严重程度,使用组织病理图像分析.
- 提高卵巢癌诊断和分期的准确性和效率.
主要方法:
- 图像预处理包括规范化和对比度有限的自适应直方图平衡.
- 使用ResNet 50和Inception v4架构进行特征提取.
- 一个基于排名的叶子在风优化和阿尔法逐步线性模糊的方法被用于严重程度的分类.
主要成果:
- 拟议的模型在分类瘤严重程度方面实现了99.25%的准确性和97.98%的精度.
- 该方法在诊断不确定性的情况下也能有效地对严重程度进行分类.
- 该系统成功地优先考虑了关键特征,以便进行准确的诊断.
结论:
- 开发的方法显著提高了卵巢癌的诊断准确度.
- 这种方法支持更早的检测和更精确的治疗计划.
- 未来的研究将专注于临床整合和模型优化.
