Die Studie zielt darauf ab, ein computergestütztes Diagnosesystem für die Endobronchialultraschall-Chirurgie (EBUS) zu entwickeln, um Ärzten bei der Erstdiagnose von Metastasenkrebs zu unterstützen. Dies ermöglicht es, nach der EBUS-Operation sofort weitere Untersuchungen auf andere Metastasenlokalisationen einzuleiten, ohne auf Berichte warten zu müssen, wodurch sich die Wartezeit um mehr als die Hälfte verkürzt und Patienten andere Krebsarten früher erkennen können, was eine frühzeitige Planung und Umsetzung von Behandlungsplänen ermöglicht.
Im Gegensatz zu früheren Studien zur Klassifizierung von Zellbildern, die über umfangreiche Datensätze für das Training verfügten, muss diese Studie auch bei begrenzter Fallzahl für Lungenmetastasen effektive Klassifizierungen vornehmen können. Dafür wird der Ansatz des Few-Shot Learning (FSL) verwendet, der in den letzten Jahren im Bereich der Klassifizierung kleiner Datensätze an Bedeutung gewonnen hat. Durch die Fähigkeit, mit kleinen Datensätzen zu trainieren und eine starke Generalisierungsfähigkeit aufzuweisen, zeigt FSL Potenzial für diese Aufgabe der Klassifizierung von Lungenmetastasenzellbildern.
Die Studie kombiniert verschiedene FSL-Methoden, ausgehend vom aktuellen Basismodell PMF, und entwickelt ein Modell zur Klassifizierung von Lungenmetastasenzellbildern. Dabei wird die Batch Spectral Regularization (BSR) als Verlustfunktionsparameter einbezogen und die Finetune-Methode von PMF modifiziert. Die Testergebnisse zeigen, dass der in dieser Studie verwendete Ansatz eine um 10,6% bzw. 6,2% höhere Genauigkeit aufweist als überwachtes Lernen und Transfer Learning. Dies deutet darauf hin, dass die Verwendung von FSL kleine Datensätze wie Lungenmetastasenkrebszellbilder besser klassifizieren kann. Darüber hinaus erhöht die Hinzunahme von BSR und die modifizierte Finetune-Methode die Genauigkeit um weitere 8,89% auf 65,60% und übertrifft damit andere FSL-Methoden.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Ching-Kai Li... pada arxiv.org 04-10-2024
https://arxiv.org/pdf/2404.06080.pdfPertanyaan yang Lebih Dalam