转变内镜图像分类与频谱辅助视觉用于早期和准确的癌症识别
Yu-Jen Fang1,2, Kun-Hua Lee3,4, Riya Karmakar4,5
1Department of Internal Medicine, National Taiwan University Hospital, Yun-Lin Branch, No. 579, Sec. 2, Yunlin Rd., Douliu 64041, Taiwan.
Diagnostics (Basel, Switzerland)
|November 13, 2025
概括
频谱辅助视觉增强器 (SAVE) 是一种超频谱成像技术,显著改善了用于食道癌症检测的内镜图像分析. 这种人工智能驱动的方法提高了诊断准确度,有助于早期检测和更好的患者结果.
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:
- 食道癌 (EC) 是一个重大的全球健康挑战,死亡率很高,通常是由于晚期诊断.
- 目前的内镜成像技术,如白光成像 (WLI) 和窄带成像 (NBI),在早期发现疾病方面存在局限性.
研究的目的:
- 评估光谱辅助视觉增强器 (SAVE) 的有效性,这是一种高光谱成像 (HSI) 技术,用于增强内镜图像分类.
- 使用各种机器学习和深度学习模型,比较SAVE与WLI和NBI的诊断性能.
主要方法:
- 使用了8种疾病类型的2400张内镜图像的数据集.
- 机器学习 (逻辑回归) 和深度学习模型 (VGG16,YOLOv8,MobileNetV2) 被训练和评估.
- SAVE将WLI图像转换为超谱表示,带选择优化了特征提取以进行分类.
主要成果:
- 与NBI和WLI相比,SAVE在多个模型中显示出更高的精度,回忆和F1分数.
- 后勤回归和VGG16显示出与SAVE和NBI相似的可靠性.
- SAVE表现出卓越的分类精度和回忆力,显示出强大的性能.
结论:
- 人工智能增强的高光谱成像,特别是SAVE,有助于早期诊断食道疾病.
- 将SAVE与人工智能模型集成,提高了诊断能力,提高了临床决策和患者的结果.
- 与WLI相比,SAVE和NBI提供了卓越的组织分化和诊断准确度.
关键词:
移动网络V2 移动网络V2在VGG16中,VGG16是VGG16中的一个.这就是YOLOv8的意义.这是食道癌的癌症.超光谱成像技术的使用.逻辑回归的逻辑回归主要组件分析的主要组件分析频谱辅助视力增强器 频谱辅助视力增强器更多相关视频
06:55Diagnosis of Neoplasia in Barrett’s Esophagus using Vital-dye Enhanced Fluorescence Imaging
Published on: May 11, 2014
12.4K
11:27Quantitative Multispectral Analysis Following Fluorescent Tissue Transplant for Visualization of Cell Origins, Types, and Interactions
Published on: September 22, 2013
9.7K