Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Réalisme en action : diagnostic des tumeurs cérébrales tenant compte des anomalies à partir d'images médicales à l'aide de YOLOv8 et de DeiT

Created by
  • Haebom

Auteur

Seyed Mohammad Hossein Hashemi, Leila Safari, Mohsen Hooshmand, Amirhossein Dadashzadeh Taromi

Contour

Dans cet article, nous proposons un cadre robuste de détection et de classification, reflétant la réalité clinique, pour relever les défis du diagnostic des tumeurs cérébrales. La détection utilise YOLOv8n, affiné sur un ensemble de données réalistes et déséquilibrées (30 000 coupes IRM de 81 patients) avec un ratio tumeur/normal de 1:9. De plus, nous proposons une nouvelle mesure patient-à-patient (PTP) pour évaluer la fiabilité diagnostique au niveau du patient. La classification utilise la distillation des connaissances pour distiller un modèle d'étudiant Data Efficient Image Transformer (DeiT) à partir d'un modèle d'enseignant ResNet152. Le ViT ainsi distillé atteint un score F1 de 0,92 en 20 époques, approchant ainsi les performances du modèle d'enseignant (F1 = 0,97) tout en réduisant considérablement les ressources de calcul. Ce cadre complet démontre une grande robustesse sur des données de distribution de valeurs aberrantes cliniquement représentatives, offrant un outil viable pour les situations cliniques réelles.

Takeaways, Limitations

Takeaways:
Présentation d'un cadre de détection et de classification des tumeurs cérébrales prenant en compte les problèmes réalistes de déséquilibre des données.
Proposer un nouvel indice PTP pour évaluer la confiance diagnostique au niveau du patient.
Améliorer l'efficacité informatique et maintenir les performances grâce à la distillation des connaissances.
Fournir un outil pratique de diagnostic des tumeurs cérébrales applicable aux contextes cliniques.
Limitations:
Une validation supplémentaire des performances de généralisabilité est nécessaire en raison du nombre limité de patients (81).
Les évaluations de performance pour différents types de tumeurs cérébrales peuvent faire défaut.
Des recherches supplémentaires sont nécessaires sur la validité objective de l’indice PTP.
Absence d'analyse comparative avec YOLOv8n et d'autres variantes de DeiT.
👍