Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

基于EfficientNetB7的深度学习框架,用于提高肺癌和结肠癌组织病理图像的分类.

Pai H Aditya1, T R Mahesh2, J V Muruga Lal Jeyan1

  • 1Department of CSE, MIT School of Computing, MIT Art, Design and Technology University.

Journal of visualized experiments : JoVE
|February 23, 2026
PubMed
概括
此摘要是机器生成的。

一个新的深度学习模型,EfficientNetB7,准确地对肺和结肠组织进行早期癌症检测的分类. 这种人工智能 (AI) 方法提高了诊断速度和有效性,提高了患者的生存率.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

An Explainable AI-Based Transfer Learning Method for Breast Cancer Prediction.

Journal of visualized experiments : JoVE·2026
Same author

Bridging Global Attention and Local Hierarchies: A Robust Hybrid Ensemble Framework With Multi-Perspective Explainability for Automated HER2-IHC Scoring.

Technology in cancer research & treatment·2026
Same author

Big Data-Driven Video Anomaly Detection Using VideoMAE for Visual Analytics in CCTV Surveillance.

Big data·2026
Same author

Development of AI based behavioral feature patterns on influencing asymptomatic cardiovascular disease attributes: a dataset standardization approach.

Scientific reports·2026
Same author

Building novel LLM-enabled explainable ensemble transformer models combining endoscopic and CT images for discriminating the different grades of gastrointestinal cancers.

Frontiers in medicine·2026
Same author

An owl-inspired temporal transformer for enhanced shrimp detection in aquatic environments.

Scientific reports·2026

科学领域:

  • 病理学 病理学 病理学
  • 医疗成像医学成像
  • 人工智能的人工智能

背景情况:

  • 肺癌的早期诊断对于患者的治疗和生存至关重要.
  • 人工智能 (AI) 正在彻底改变病理学,提高诊断准确性和效率.

研究的目的:

  • 开发和验证一个强大的深度学习模型,用于对结肠和肺组织的组织病理图像进行分类.
  • 提高癌症诊断在病理学的准确性和效率.

主要方法:

  • 使用预训练的EfficientNetB7深度学习模型.
  • 采用先进的预处理,微调和特定领域的数据增强.
  • 整合技术以减轻类不平衡,组织学变异和过拟合,包括早期停止.

主要成果:

  • 在分类结肠和肺组织组织病理学图像方面达到96%的异常高准确度.
  • 经过强有力的验证,表明在临床应用中具有很高的实用性.

结论:

  • EfficientNetB7深度学习模型为及时和准确的癌症诊断提供了一个有前途的工具.
  • 在医学成像工作流程中整合AI可以通过早期癌症检测显著改善患者的治疗结果.