WOAENet:一个以鱼优化为指导的集体深度学习,基于MRI图像进行子宫癌诊断的软投票
Omar F Altal1, Amer Mahmoud Sindiani1, Hamad Yahia Abu Mhanna2
1Department of Obstetrics and Gynecology, Faculty of Medicine, Jordan University of Science and Technology, Irbid, Jordan.
Frontiers in artificial intelligence
|November 5, 2025
概括
这项研究介绍了WOAENet,一种人工智能模型,可以准确地对子宫MRI扫描进行癌症诊断. 这种深度学习方法增强了早期检测,并改善了妇科病症患者的治疗结果.
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:
- 子宫癌的诊断依赖于医学图像的准确解释.
- 深度学习模型有希望,但需要专家的投入和改进的分类.
- 早期发现子宫癌对于改善患者预后至关重要.
研究的目的:
- 为子宫癌诊断开发一种新且高效的深度学习管道.
- 解决当前人工智能诊断方法的局限性,例如依赖专家输入和模型准确性.
- 优化一个深度学习模型,使用一种以自然为灵感的算法来进行增强的子宫癌分类.
主要方法:
- 介绍基于鱼优化算法集成网络 (WOAENet).
- WOAENet微调了MobileNetV2,DenseNet121的超参数,以及使用鱼优化算法 (WOA) 的轻量级视觉模型.
- 软投票组合方法结合了模型输出,最终将子宫MRI扫描分为恶性,良性或正常类别.
主要成果:
- 在王阿卜杜拉大学医院的子宫癌MRI数据集上评估了WOAENet框架.
- 与标准预训练模型相比,WOAENet实现了更高的性能.
- 关键性能指标包括88.57%的准确性,94.29%的特异性和88.54%的F1得分.
结论:
- WOAENet在分类子宫MRI图像方面表现出高准确度和可靠性.
- 该研究利用了一种新型数据集,在妇科病症中推进了人工智能驱动的诊断.
- 这些发现支持AI在妇女健康方面提供更容易获得和更准确的临床工具的潜力.
