ColoPola:用于结直肠癌检测的极度成像数据集
Thi-Thu-Hien Pham1,2, Quoc-Hoang-Quyen Vo1,2, Thao-Vi Nguyen1,2
1School of Biomedical Engineering, International University, Ho Chi Minh City 700000, Vietnam.
GigaScience
|October 16, 2025
概括
这项研究介绍了ColoPola,一种新的结直肠癌极度度成像数据集. EfficientNetV2模型实现了超过0.95的性能,证明了临床癌症诊断的潜力.
科学领域:
- 医疗成像医学成像
- 光学物理学的光学物理学
- 计算生物学 计算生物学
背景情况:
- 极极度成像技术正在出现,用于诸如癌症检测等生物应用.
- 标准化数据集对于开发强大的分类模型至关重要.
- 现有的数据集缺乏对结肠直肠癌的全面极度测量数据.
研究的目的:
- 介绍ColoPola,这是第一次对结直肠癌极度测量图像的标准化数据集.
- 促进用于结直肠癌诊断的机器学习模型的开发.
- 用各种分类模型来评估数据集的实用性.
主要方法:
- 采集了572个结直肠组织切片的数据集,产生了20592张极度测量图像.
- 图像代表了每个样本的36个不同的极化状态.
- 五个模型 (CNN,CNN_2,EfficientFormerV2,DenseNet,EfficientNetV2) 进行了培训和评估.
主要成果:
- 科洛波拉数据集包括10,368个健康和10,224个恶性样本图像.
- 在测试套件上,EfficientNetV2获得了0.965的最高F1分数.
- 所有测试的模型都表现出强的表现,EfficientNetV2在所有指标上都超过了0.95.
结论:
- 科罗波拉 (ColoPola) 是一个有价值的资源,用于利用极度对比成像来推进结直肠癌研究.
- 该数据集支持开发精确的,人工智能驱动的诊断工具.
- 极度度光学成像显示了临床结肠直肠癌诊断的重大前景.
关键词:
在美国,CNN是CNN.在ColoPola数据集中,我们使用了ColoPola数据集.在DenseNet中,使用的是DenseNet.有效的前者V2有效的NetV2 有效的NetV2穆勒矩阵转换的转换方法结肠直肠癌是什么意思极对称成像技术的极对称成像技术更多相关视频
06:49Orthotopic Implantation of Patient-Derived Cancer Cells in Mice Recapitulates Advanced Colorectal Cancer
Published on: February 10, 2023
2.7K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
485
