구강 편평 세포 암종 검출 향상: 개선된 EfficientNet 아키텍처를 이용한 새롭고 혁신적인 접근법

초록 문제 구강 편평 세포 암종(OSCC)은 전 세계적으로 여덟 번째로 흔한 암으로, 구강 내 층과 막의 구조적 무결성을 상실하게 합니다. 높은 유병률에도 불구하고 조기 진단은 효과적인 치료를 위해 매우 중요합니다. 목표 본 연구는 의학 이미지를 분류하기 위한 딥러닝의 최근 발전을 활용하여 구강 조직병리 이미지의 조기 진단을 자동화하고, 이를 통해 구강암의 신속하고 정확한 검출을 촉진하는 것을 목표로 했습니다. 방법 딥러닝 합성곱 신경망(CNN) 모델이 양성 및 악성 구강 생검 조직병리 이미지를 분류합니다. 17개의 사전훈련된 DL-CNN 모델을 활용하여 이중 통계 분석을 통해 EfficientNetB0 모델이 가장 우수함을 확인했습니다. EfficientNetB0의 추가 개선은 모델 아키텍처에 이중 주의 네트워크(DAN)를 통합하여 달성되었습니다. 결과 개선된 EfficientNetB0 모델은 91.1%의 정확도, 92.2%의 민감도, 91.0%의 특이도, 91.3%의 정밀도, 1.12%의 위양성률(FPR), 92.3%의 F1 점수, 90.1%의 Matthews 상관 계수(MCC), 88.8%의 카파 값, 66.41%의 컴퓨터 처리 시간을 포함한 인상적인 성능 지표를 보여주었습니다. 주목할 만하게도 이 모델은 해당 분야의 최첨단 접근 방식을 능가합니다. 결론 딥러닝 기술, 특히 DAN과 함께 향상된 EfficientNetB0 모델을 통합함으로써 구강 조직병리 이미지 분석을 통한 구강암의 자동화된 조기 진단에 대한 유망한 결과를 보여줍니다. 이 발전은 구강암 치료 전략의 효율성을 향상시킬 수 있는 중요한 잠재력을 가지고 있습니다.